一种基于生成对抗网络噪声建模的真实图像去噪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109859147A(43)申请公布日2019.06.07(21)申请号201910155869.6(22)申请日2019.03.01(71)申请人武汉大学地址430072湖北省武汉市武昌区珞珈山武汉大学(72)发明人伏媛范赐恩邹炼张捷李博豪向可馨(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222代理人王琪(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于生成对抗网络噪声建模的真实图像去噪方法(57)摘要本发明公开了一种基于生成对抗网络噪声建模的真实图像去噪方法，旨在利用深度卷积神经网络解决真实图像噪声因难以显式建模而无法有效去除的问题。该方法首先利用生成对抗网络学习真实图像噪声分布，构建成对数据集；其次利用构建的数据集训练去噪网络，实现对真实噪声的去除。本发明利用残差块搭建去噪网络，并在去噪网络中引入噪声估计算法以及可逆的升降采样操作，用以提升单一网络模型盲图像去噪的性能，在有效去除未知分布的噪声的同时，尽可能地保留原有图像的边缘信息和细节特征。CN109859147ACN109859147A权利要求书1/2页1.一种基于生成对抗网络噪声建模的真实图像去噪方法，其特征在于，包括如下步骤：步骤1，生成对抗网络噪声建模，包括如下子步骤，步骤1.1，通过现有的真实噪声图像和清晰图像对(x，y)提取噪声分布相对集中的区域，记为噪声块集v；步骤1.2，将步骤1.1中得到的噪声块集v＝{v1，v2，…，vm}输入到WGAN-GP网络中进行训练，以学习真实图像的噪声分布，生成大量更趋近于真实噪声分布的噪声块集v′＝{v1′v2′，…，vn′}；步骤1.3，选择另一清晰数据集并随机裁剪为与步骤1.1中噪声块相同大小的图像块，得到干净无噪的图像数据集x′＝{x1′，x2′，…，xm′}，然后将集合x′和集合v′进行随机组合得到合成的噪声图像数据集y′＝{y1′，y2′，…，ym′}，构建成对数据集(x′，y′)；步骤2，利用成对数据集(x′，y′)训练去噪网络，获得去噪后的图像，包括如下子步骤；步骤2.1，首先对输入图像y′的噪声水平进行估计，获得退化图M；步骤2.2，搭建适用于真实图像盲去噪的网络结构，将退化图M和输入图像y′进行降采样后输入到去噪网络中，获得降噪子图；步骤2.3，对降噪子图进行升采样后输出重构后的RGB图像并根据和x′对去噪网络进行优化。2.如权利要求1所述的一种基于生成对抗网络噪声建模的真实图像去噪方法，其特征在于：步骤1.1中获得噪声块集v的具体实现方式如下，给定成对数据(x，y)，x为真实噪声图像，首先在清晰图像y中，通过滑动步长Sp依次选定p×p大小的图像块y(pi)，再在y(pi)中利用滑动步长Sq依次选定q×q大小的图像块若所有的都满足以下条件：则保留噪声块vi＝x(pi)-y(pi)，x(pi)为y(pi)对应的噪声图像块，得到数据集v＝{v1，v2，…，vm}；其中，Mean和Var分别表示均值和方差，μ，γ∈(0，1)。3.如权利要求1所述的一种基于生成对抗网络噪声建模的真实图像去噪方法，其特征在于：步骤2.1中获得退化图M的具体实现方式如下，假设图像噪声为零均值的加性高斯白噪声，对输入图像的R、G、B三通道的噪声水平(δr，2δg，δb)进行估计，并取将均值为0，方差为δ的高斯噪声作为输入的退化图M。4.如权利要求1所述的一种基于生成对抗网络噪声建模的真实图像去噪方法，其特征在于：步骤2.2中的去噪网络的结构为，第一层由3×3的卷积和ReLU激活单元组成，中间层由若干个残差块和一层3×3卷积组成，最后一层为3×3的卷积，最后输出去噪后的子图，其中第一层和最后一层间引入了长跳跃连接。5.如权利要求1所述的一种基于生成对抗网络噪声建模的真实图像去噪方法，其特征在于：步骤1.2中输入的噪声块规范化到(-1，1)之间，WGAN-GP网络中的生成器的输入为服2CN109859147A权利要求书2/2页从(0，1)分布的高斯模型的随机噪声，参数设置均采用WGAN-GP的默认值。6.如权利要求1所述的一种基于生成对抗网络噪声建模的真实图像去噪方法，其特征在于：步骤2.3中采用ADAM算法通过最小化L2范数进行去噪网络的优化，定义如下其中，||·||2表示L2范数。7.如权利要求1所述的一种基于生成对抗网络噪声建模的真实图像去噪方法，其特征在于：步骤2.3中的降采样和步骤2.2中的升采样为互逆操作。3CN109859147A说明书1/5页一种基于生成对抗网络噪声建模的真实图像去噪方法技术领域[0001]本发明涉及计算机视觉、计算机应用等技术领域，具体地涉及一种