一种基于可变尺度滤波的图像去噪方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115829870A(43)申请公布日2023.03.21(21)申请号202211557431.9G06N3/0464(2023.01)(22)申请日2022.12.06G06N3/08(2023.01)(71)申请人杭电（丽水）研究院有限公司地址323010浙江省丽水市莲都区南明山街道大沅街与绿源路交叉口东北侧半导体芯片产业园3号楼(72)发明人颜成钢陈泉周律宁王廷宇高宇涵孙垚棋陈楚翘王鸿奎胡冀朱尊杰殷海兵张继勇李宗鹏赵治栋(74)专利代理机构杭州君度专利代理事务所(特殊普通合伙)33240专利代理师朱月芬(51)Int.Cl.G06T5/00(2006.01)权利要求书3页说明书6页附图2页(54)发明名称一种基于可变尺度滤波的图像去噪方法(57)摘要本发明公开了一种基于可变尺度滤波的图像去噪方法，首先进行数据集制作；再构建基于可变尺度滤波的图像去噪网络模型；通过获取的数据集训练图像去噪网络模型。最后经过训练的网络模型接收需要进行去噪处理的图片，完成去噪处理后将图片输出。本发明设计了滤波核尺寸估计分支，并在此基础上设计逐像素点滤波，实现数字图像去噪；通过滤波核尺寸估计模块可以动态改变滤波核的有效滤波范围。本发明创新的提出了一种基于可变尺度滤波的图像去噪模型，该模型将基于可变尺度滤波的图像去噪方法用卷积网络表示，取得了令人满意的数字图像去噪效果。CN115829870ACN115829870A权利要求书1/3页1.一种基于可变尺度滤波的图像去噪方法，其特征在于，步骤如下:步骤1：数据集制作；建立步骤2中网络训练需要的图像数据集；步骤2：构建基于可变尺度滤波的图像去噪网络模型；步骤3：通过步骤1获取的数据集训练图像去噪网络模型；步骤4：经过训练的网络模型接收需要进行去噪处理的图片，完成去噪处理后将图片输出。2.根据权利要求1所述的一种基于可变尺度滤波的图像去噪方法，其特征在于，步骤1具体方法如下：下载公开数据集NYUv2数据集，原始NYUv2数据集包含30000张不同场景的清晰图片；对数据集中所有的清晰图片添加均值为0，方差为15的高斯噪声来生成与清晰图片对应的噪声图片；经过噪声处理，数据集包含30000组不同场景的图片，每一组图片包含两张图像，即分别为带有噪点的噪声图片Inoise和原始的清晰图片Iclear；其中噪声图片Inoise作为网络模型训练过程中的输入图像数据，而原始的清晰图片Iclear作为网络模型训练过程中的用于与模型预测图像Ipred进行对比的参考图像。3.根据权利要求2所述的一种基于可变尺度滤波的图像去噪方法，其特征在于，步骤2具体方法如下：步骤2.1：基于可变尺度滤波的图像去噪任务理论建模；假设输入是一张带有噪点的噪声图片Inoise；其次，利用可变尺度滤波算法对噪声图片Inoise进行可变尺度滤波核f估计；最后，利用估计的可变尺度滤波核对噪声图片Inoise进行逐点滤波，得到所需要的经过去噪处理的清晰图片Iclear；基于可变尺度滤波的图像去噪任务的理论模型可以用公式表示为：Inoise＝Iclear+N(1)Iclear＝Inoise‑N(2)Iclear＝VF(Inoise)(3)其中N表示图片具有的未知类型的噪声，图像去噪需要估计噪声分布N并在像素域去除图片噪声；VF表示可变尺度滤波算法，对输入噪声图片Inoise应用可变尺度滤波算法，从而得到清晰图片Iclear，具体表示为：其中表示对清晰图片Iclear中坐标为(i,j)的像素点进行邻域采样，k表示对坐标(i,j)像素点的采样尺寸，(m,n)表示坐标(i,j)像素点对应的邻域像素点，K表示人工设定的滤波核尺寸的最大阈值，f(i,j)表示VF可变尺度滤波算法在坐标(i,j)像素点预测的滤波核，F表示使用预测的滤波核进行逐点滤波；步骤2.2：构建基于可变尺度滤波的图像去噪网络模型；网络模型包含滤波核尺寸估计分支，滤波核参数估计分支和滤波去噪分支；滤波核尺寸估计分支用于动态估计有效滤波范围k，用于对后续滤波核估计进行尺寸2CN115829870A权利要求书2/3页限制；滤波核参数估计分支的输入包含滤波核尺寸估计分支输出的滤波范围k，用于生成去噪所需要的可变尺度滤波核f；滤波去噪分支的输入由滤波核参数估计分支的输出和噪声图片Inoise组成，对输入的噪声图片Inoise应用估计的可变尺度滤波核f进行去噪得到需要的清晰图片Iclear。4.根据权利要求3所述的一种基于可变尺度滤波的图像去噪方法，其特征在于，各个分支具体结构需要利用残差块进行特征提取，其具体结构如下：残差块的输入特征图Xres依次经过2个卷积核数量为64，卷积核大小为3*3的卷积层后得到输出特征图X'res；最后将输出X'r