申请/专利权人：青岛海洋地质研究所

申请日：2022-04-19

公开（公告）日：2024-04-09

公开（公告）号：CN114782695B

主分类号：G06V10/30

分类号：G06V10/30;G06V10/44;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.08.09#实质审查的生效;2022.07.22#公开

摘要：本发明公开一种基于阶梯型多尺度卷积神经网络的非均匀噪声去除方法，首先构建降噪卷积神经网络模型，并基于已有噪声图像和清晰图像对其进行训练；所述降噪卷积神经网络模型包括顺次连接的空洞卷积组合处理模块、阶梯型多尺度噪声识别模块、多尺度特征融合模块和深度学习降噪模块，且卷积组合处理模块的输出与深度学习降噪模块的混合空洞卷积组合处理模块的输入相连；最后基于训练获得的降噪卷积神经网络模型对噪声图像进行降噪处理，输出降噪图像；本方案基于参数轻量化思考设计阶梯型多尺度网络结构，引入1*1卷积、3*3空洞卷积，能在参数量不激增的前提下，充分获取图像多尺度信息，在去除非均匀噪声的同时保留更多图像细节信息。

主权项：1.基于阶梯型多尺度卷积神经网络的非均匀噪声去除方法，包括以下步骤：步骤A、构建降噪卷积神经网络模型，并基于已有噪声图像和清晰图像对其进行训练；步骤B、基于训练获得的降噪卷积神经网络模型对噪声图像进行降噪处理，输出降噪图像；其特征在于，所述步骤A中，所述降噪卷积神经网络模型包括顺次连接的空洞卷积组合处理模块、阶梯型多尺度噪声识别模块、多尺度特征融合模块和深度学习降噪模块；定义空洞卷积组合处理层包括一个高通道3*3空洞卷积、BN正则化层和LeakyReLU激活函数层，卷积组合处理层包括一个1*1卷积、BN正则化层和LeakyReLU激活函数层；所述空洞卷积组合处理模块包括一个空洞卷积组合处理层，用以对输入的噪声图像进行处理，获得噪声图像多维度细节与噪声特征；所述阶梯型多尺度噪声识别模块包括第一阶梯、第二阶梯、第三阶梯和第四阶梯四级处理模块，用以对多尺度、非周期复杂噪声的进行识别，并对噪声进行逐级降噪处理；所述第一阶梯包括一个卷积组合处理层；所述第二阶梯包括两个串联连接的空洞卷积组合处理层；所述第三层阶梯在第二阶梯的第一个空洞卷积组合处理层的基础上，再串联两个扩展率不同的空洞卷积组合处理层；所述第四层阶梯在第三层阶梯的第二个空洞卷积组合处理层上，再搭建一个不同扩展率的空洞卷积组合处理层，并增加一个Dropout处理；所述多尺度特征融合模块包括一个卷积组合处理层，用以融合阶梯型多尺度噪声识别模块输出的多尺度特征，获得包含多尺度图像细节特征与残余噪声特征的图像；所述深度学习降噪模块包括串联连接的第一混合空洞卷积组合处理层，卷积组合处理层和第二混合空洞卷积组合处理层，且两个混合空洞卷积组合处理层均增加一个Dropout处理，以进一步去除图像中包含的复杂噪声，所述第一、第二混合空洞卷积组合处理层是指包括至少两个串联连接、且扩展率不同的空洞卷积组合处理层的组合。

全文数据：

权利要求：

百度查询： 青岛海洋地质研究所 基于阶梯型多尺度卷积神经网络的非均匀噪声去除方法

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