一种基于卷积模板的图像去噪方法.pdf
骊英****bb
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于卷积模板的图像去噪方法.pdf
本发明涉及一种基于卷积模板的图像去噪方法,包括:对原始图像进行预处理,获取预处理图像;对所述预处理图像进行卷积去噪,获取输出图像;对所述输出图像进行修正,获取去噪图像。本实施例通过卷积模板对图像进行卷积的方式来提取图像的特征信息,在滤波去噪的过程中,对于边缘信息保留的更加完备,且通过卷积操作来完成,没有复杂的公式计算,整体简单便于硬件实现。
一种基于密集连接卷积的暗光图像去噪方法.pdf
本发明涉及一种基于密集连接卷积的暗光图像去噪方法,包括以下步骤:构建密集连接去噪卷积神经网络模型,并对其进行训练;获取待处理图像,并对所述待处理图像进行预处理,得到目标待处理图像;通过训练好的密集连接去噪卷积神经网络模型对目标待处理图像进行处理,得到去噪图像。本发明实现了即使在处理暗光或者逆光场景下的图像时,也能保留大量图像细节信息,得到高质量的去噪图像,达到良好的去噪效果。
一种基于卷积神经网络的光场图像去噪方法.pdf
本发明公开了一种基于卷积神经网络的光场图像去噪方法,其首先将4D光场图像分别重组为子孔径图像和微透镜阵列图像;之后构建初始堆栈空间卷积块和初始角度卷积块以分别对子孔径图像和微透镜阵列图像提取空间特征和角度特征;然后引入空间角度联合编码器组来建模空间特征和角度特征间的信息补偿关系并提高特征的表达能力;基于提取的空间特征和角度特征,构建空间角度特征融合器组以充分利用特征来丰富重建去噪光场图像的细节信息;最后利用构建的解码器来将空间角度特征融合器组输出的融合特征重建为去噪光场图像;优点是有效去除光场图像中存在的
一种基于残差卷积自编码网络的图像去噪方法.pdf
本发明公开了一种基于残差卷积自编码网络的图像去噪方法,为了克服传统浅层线性结构特征提取能力有限,现有基于深度学习的图像去噪模型存在泛化能力弱等问题。以残差块、批归一化层和自编码器组成的残差卷积自编码块为基本去噪网络结构,提出了多功能去噪残差卷积自编码神经网络。本发明公开的图像去噪方法,在保持较高去噪质量和去噪精度的同时,不仅拥有盲去噪能力,还能去除与训练集类型不相同的噪声。
一种基于可变形卷积神经网络的图像去噪方法.pdf
本发明公开了一种基于可变形卷积神经网络的图像去噪方法,所述方法包括构建可变形卷积神经网络模型,构建完成的可变形卷积神经网络模型包括两个子网络模型,分别为用于图像去噪的第一网络模型,以及用于辅助第一网络模型进行图像去噪的第二网络模型。然后再训练构建完成的可变形卷积神经网络模型,最后利用训练完成的可变形卷积神经网络模型进行图像去噪。本发明公开的图像去噪方法有效改进了目前基于神经网络的去噪方法中存在的图像失真或去噪效果不良的问题。