申请/专利权人：中国石油大学(华东)

申请日：2024-03-11

公开（公告）日：2024-04-12

公开（公告）号：CN117876692A

主分类号：G06V10/30

分类号：G06V10/30;G06V10/44;G06V10/74;G06V10/82;G06V20/10;G06N3/0455;G06N3/0464;G06N3/0499;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开一种特征加权连接引导的单图遥感图像去噪方法，属于图像去噪技术领域，用于图像去噪，包括利用随机伯努利采样对输入单幅图像进行数据扩增，并训练神经网络，固定训练好的多组神经网络参数，得到多个去噪子模型；将所有去噪子模型进行随机Dropout抛弃部分参数，并将目标图像输入到所有子模型中，并将所有子模型输出取均值后作为结果。本发明综合考虑特征加权与自监督约束，以提高模型的有效性和鲁棒性。该方法是一种仅需单图输入得到盲去噪方法，可以用于解决监督学习训练数据有限，不能有效去噪的问题，同时可以解决自监督学习去噪后图像细节纹理模糊的问题，较大幅度的提高了遥感图像去噪的性能。

主权项：1.一种特征加权连接引导的单图遥感图像去噪方法，其特征在于，包括：S1.对输入图像使用随机伯努利采样，得到图像对，重复进行多次采样，得到图像对集合；S2.设计动态特征加权分支模块和神经元分支模块；动态特征加权分支模块通过基于卷积的提取器从特征图中学习通道信息和空间信息，使用通道信息和空间信息构建动态矩阵，动态矩阵补充神经元的相关性信息；神经元分支模块根据神经元之间的相关性来计算每个神经元的激活程度；S3.基于U-net的结构设计特征权重连接模块，连接编码器和解码器中同一层的特征加权模块；S4.将S2和S3中的模块设计完成后，形成未训练的去噪模型，去噪模型包括动态特征加权分支模块、神经元分支模块和特征权重连接模块；进行模型训练，通过最小化损失函数优化去噪器；S5.模型推测，训练好的去噪模型经过Dropout后得到一系列新的去噪子模型{}，对噪声图像执行不同于训练阶段的新的随机伯努利采样，并将伯努利抽样实例馈送到每个新形成的去噪器。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种特征加权连接引导的单图遥感图像去噪方法

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