申请/专利权人：南京理工大学

申请日：2020-08-21

公开（公告）日：2021-07-16

公开（公告）号：CN111986114B

主分类号：G06T5/00(20060101)

分类号：G06T5/00(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.07.16#授权;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明涉及一种基于自监督约束的双尺度图像盲去噪方法及系统。该方法包括：根据小尺度的噪声图像和大尺度的噪声图像，构建双尺度的边缘保持自监督约束、双尺度的背景一致性自监督约束和双尺度的结构相似性注意力自监督约束，以各自监督约束为约束条件，根据小尺度的噪声图像数据集和大尺度的噪声图像数据集训练盲去噪网络，通过训练后的盲去噪网络实现噪声图像的自监督去噪。

主权项：1.一种基于自监督约束的双尺度图像盲去噪方法，其特征在于，所述方法包括：获取噪声图像数据集；在所述数据集的各噪声图像上随机裁剪设定数量以及设定尺寸的大尺度噪声图像，所述大尺度噪声图像构成大尺度噪声图像数据集；对各大尺度噪声图像进行设定尺度的下采样得到小尺度噪声图像，所述小尺度噪声图像构成小尺度噪声图像数据集；根据所述小尺度噪声图像和小尺度去噪图像的梯度和均方误差构建小尺度的边缘保持自监督约束；根据所述大尺度噪声图像和大尺度去噪图像的梯度和均方误差构建大尺度的边缘保持自监督约束；根据所述小尺度噪声图像和重建的小尺度噪声图像的背景一致性构建小尺度的背景一致性自监督约束；根据所述大尺度噪声图像和重建的大尺度噪声图像的背景一致性构建大尺度的背景一致性自监督约束；根据所述小尺度噪声图像和所述小尺度去噪图像的结构相似性构建小尺度的结构相似性注意力自监督约束；根据所述大尺度噪声图像和所述大尺度去噪图像的结构相似性构建大尺度的结构相似性注意力自监督约束；采用所述大尺度噪声图像数据集和所述小尺度噪声图像数据集，以所述小尺度的边缘保持自监督约束、所述大尺度的边缘保持自监督约束、所述小尺度的背景一致性自监督约束、所述大尺度的背景一致性自监督约束、所述小尺度的结构相似性注意力自监督约束和所述大尺度的结构相似性注意力自监督约束为约束条件，以所述小尺度噪声图像作为盲去噪网络的第一次输入，小尺度去噪图像作为所述盲去噪网络的第一次输出，合并图像作为所述盲去噪网络的第二次输入，大尺度去噪图像为所述盲去噪网络的第二次输出，训练所述盲去噪网络；所述合并图像为所述小尺度去噪图像的放大图和与所述小尺度噪声图像对应的大尺度噪声图像合并后的图像；所述放大图为所述小尺度去噪图像进行所述设定尺度的上采样确定的；根据训练后的所述盲去噪网络对待去噪的图像进行去噪。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于自监督约束的双尺度图像盲去噪方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD