【技術實現步驟摘要】
本專利技術涉及圖像去噪技術，具體涉及一種基于采樣差異作為擾動的自監督真實圖像去噪方法，屬于數字圖像處理領域。
技術介紹
1、圖像是一種記錄和表示物體形狀、顏色和紋理等信息的數字化形式。其具有直觀、形象等特點，在人類生產活動中不可或缺。隨著科學技術的發展和人民生活質量的提高，對圖像質量的要求也變得越來越嚴格。在醫學成像領域，高質量的圖像可以提供診斷和治療所需的準確信息；在安全監控領域，高質量的圖像有助于識別和追蹤嫌疑人；在圖形和設計領域，高質量的圖像可以創建高精度的圖形和圖像；在媒體和娛樂領域，高質量的圖像可以提供更好的觀看體驗。因此，圖像的質量已成為各應用領域實現有效結果的關鍵因素。然而，由于成像系統、傳輸介質和記錄設備的缺陷，圖像不可避免地受到噪聲污染。噪聲會對圖像的質量產生負面影響，降低圖像的可讀性和信息含量，因此需要通過技術手段減弱或去除圖像噪聲，提高圖像質量。因此，圖像去噪成為了圖像處理中的研究熱點。
2、圖像去噪旨在通過使用數學模型和算法，對圖像中的噪聲進行抑制和去除，最終從噪聲圖像中恢復出高質量的圖像。圖像去噪經過多年的研究發展可以分為基于濾波的方法、基于模型的方法、基于學習的方法。目前，基于深度學習的方法憑借其優秀的性能成為了圖像去噪領域的主流。然而，現有的基于深度學習的真實圖像去噪方法，在去噪質量和網絡模型結構的構建等方面還有進一步提升的空間。
技術實現思路
1、本專利技術的目的是解決無監督算法中因訓練集不足導致網絡性能不佳的問題，從而構建一種有效的自監
2、本專利技術提出的基于將采樣差異作為擾動(sampling?difference?asperturbation,sdap)的自監督真實圖像去噪方法主要包括以下操作步驟：
3、(1)提出并使用隨機子樣本生成策略以獲得更多的子樣本；
4、(2)根據隨機子樣本生成策略而提出一種采樣差異損失函數；
5、(3)將循環策略引入損失函數的構建，提出循環采樣差異損失函數；
6、(4)通過上述步驟對去噪網絡進行訓練，以得到去噪模型，然后將帶有噪聲的圖像作為輸入，通過訓練好的網絡模型，得到高質量的去噪圖像。
本文檔來自技高網...【技術保護點】
1.基于采樣差異作為擾動的自監督真實圖像去噪方法，其特征在于包括以下步驟：
2.根據權利1所述的基于采樣差異作為擾動的自監督真實圖像去噪方法，其特征在于步驟一中所提出的隨機子樣本生成策略，其中隨機子樣本生成的英文表示為Random?Sub-samples?Generation，簡稱為RSG，RSG策略能夠通過分割、打亂、重組、復原過程生成更加隨機、每次均不相同的s2個子樣本，s為下采樣的步長因子；由于向數據集中增加擾動能夠提升自監督網絡的去噪性能，所以通過該方法，本專利技術能夠實現訓練數據集增廣的目標，從而緩解訓練數據匱乏的問題，提高自監督網絡的去噪能力。
3.根據權利1所述的基于采樣差異作為擾動的自監督真實圖像去噪方法，其特征在于步驟二中所提出的采樣差異損失函數，本專利技術通過將RSGi(y)和RSGi+1(y)之間的差異視為擾動，并將它們分別視為盲點網絡的輸入和目標；構建了一種新的采樣差異損失函數LSDBSN＝Ey{||B(RSGi(y)-RSGi+1(y)||1}，其中RSGi(y)表示RSG策略生成的第i個子樣本。
4.根據權利1所述的
...【技術特征摘要】
1.基于采樣差異作為擾動的自監督真實圖像去噪方法，其特征在于包括以下步驟：
2.根據權利1所述的基于采樣差異作為擾動的自監督真實圖像去噪方法，其特征在于步驟一中所提出的隨機子樣本生成策略，其中隨機子樣本生成的英文表示為random?sub-samples?generation，簡稱為rsg，rsg策略能夠通過分割、打亂、重組、復原過程生成更加隨機、每次均不相同的s2個子樣本，s為下采樣的步長因子；由于向數據集中增加擾動能夠提升自監督網絡的去噪性能，所以通過該方法，本發明能夠實現訓練數據集增廣的目標，從而緩解訓練數據匱乏的問題，提高自監督網絡的去噪能力。
3.根據權利1所述的基于采樣差異作為擾動的自監督真實圖像去噪方法，其特征...
【專利技術屬性】
技術研發人員：任超，王守一，何小海，吳曉紅，潘藝中，卿粼波，
申請(專利權)人：四川大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。