图像条带噪声抑制方法及其装置、电子设备、存储介质.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CN110930314A(43)申请公布日2020.03.27(21)申请号201911001442.7(22)申请日2019.10.21(71)申请人西安电子科技大学地址710000陕西省西安市雁塔区太白南路2号(72)发明人赖睿李骅南王国琛官俊涛李奕诗徐昆然(74)专利代理机构西安嘉思特知识产权代理事务所(普通合伙)61230代理人刘长春(51)Int.Cl.G06T5/00(2006.01)G06N3/04(2006.01)权利要求书2页说明书14页附图4页(54)发明名称图像条带噪声抑制方法及其装置、电子设备、存储介质(57)摘要本发明公开了一种图像条带噪声抑制方法及其装置、电子设备、存储介质，该方法包括构建生成器模型；构建监督器模型；根据所述生成器模型对训练条带噪声图像进行训练得到第一去噪图像和所述生成器模型的预参数；根据监督器模型对所述第一去噪图像和原始图像进行训练得到所述监督器模型的参数；根据所述生成器模型和所述监督器模型对所述训练条带噪声图像和所述原始图像进行训练得到所述生成器模型的参数；根据所述生成器模型对测试条带噪声图像进行去噪处理得到第二去噪图像。本发明提供的基于生成器模型和监督器模型的图像条带噪声抑制方法，利用了生成器模型和监督器模型构成的生成对抗神经网络，使得去噪后的图像噪声残留更少，图像信息更加丰富。CN110930314ACN110930314A权利要求书1/2页1.一种图像条带噪声抑制方法，其特征在于，包括：构建生成器模型；构建监督器模型；根据所述生成器模型对训练条带噪声图像进行训练得到第一去噪图像和所述生成器模型的预参数；根据监督器模型对所述第一去噪图像和原始图像进行训练得到所述监督器模型的参数；根据所述生成器模型和所述监督器模型对所述训练条带噪声图像和所述原始图像进行训练得到所述生成器模型的参数；根据所述生成器模型对测试条带噪声图像进行去噪处理得到第二去噪图像。2.根据权利要求1所述的图像条带噪声抑制方法，其特征在于，构建生成器模型，包括：构建N个第一卷积激活层，N个所述第一卷积激活层依次连接，每个所述第一卷积激活层包括第一卷积层和第一激活层，所述第一卷积层与所述第一激活层依次连接，N为大于0的整数；构建第二卷积层，所述第二卷积层与所述第N个第一卷积激活层中的第一激活层连接。3.根据权利要求1所述的图像条带噪声抑制方法，其特征在于，构建监督器模型，包括：构建第二卷积激活层、M个卷积归一化激活层、一维化层和全连接层，M为大于0的整数，所述第二卷积激活层、M个所述卷积归一化激活层、所述一维化层和所述全连接层依次连接；所述第二卷积激活层包括第三卷积层和第二激活层，所述第三卷积层与所述第二激活层依次连接；每个所述卷积归一化激活层包括第四卷积层、归一化层和第三激活层，所述第四卷积层、所述归一化层和所述第三激活层依次连接。4.根据权利要求1所述的图像条带噪声抑制方法，其特征在于，根据所述生成器模型对训练条带噪声图像进行训练得到第一去噪图像和所述生成器模型的预参数，包括：根据所述训练条带噪声图像构建所述生成器模型的损失函数；利用第一优化方法对所述生成器模型的损失函数进行训练得到所述第一去噪图像和所述生成器模型的预参数。5.根据权利要求1所述的图像条带噪声抑制方法，其特征在于，根据监督器模型对所述第一去噪图像和原始图像进行训练得到所述监督器模型的参数，包括：根据所述第一去噪图像和所述原始图像构建所述监督器模型的损失函数；利用第二优化方法对所述监督器模型的损失函数进行训练得到所述监督器模型的参数。6.根据权利要求1所述的图像条带噪声抑制方法，其特征在于，根据所述生成器模型和所述监督器模型对所述训练条带噪声图像和所述原始图像进行训练得到所述生成器模型的参数，包括：将所述生成器模型和所述监督器模型连接在一起构建生成对抗神经网络；根据所述训练条带噪声图像和所述原始图像构建所述生成对抗神经网络的损失函数；在所述生成对抗神经网络中，固定所述监督器模型，利用第三优化方法对所述生成对2CN110930314A权利要求书2/2页抗神经网络的损失函数进行训练得到所述生成器模型的参数。7.根据权利要求1所述的图像条带噪声抑制方法，其特征在于，根据所述生成器模型对测试条带噪声图像进行去噪处理得到第二去噪图像，包括：对所述测试条带噪声图像进行归一化处理得到归一化的测试条带噪声图像；将所述归一化的测试条带噪声图像输入至所述生成器模型进行去噪处理得到去噪后归一化的测试条带噪声图像；对所述去噪后归一化的测试条带噪声图像进行反归一化处理得到所述第二去噪图像。8.一种图像条带噪声抑制装置，其特征在于，所述装置包括：第一模型构建模块，用于构建所述生成器模型；第二模型构建模