基于全局平滑约束先验模型的深度神经网络图像去噪方法
授权
摘要
本发明公开了一种基于全局平滑约束先验模型的深度神经网络图像去噪方法。主要包括以下步骤:利用自然图像的非局部平滑性,构建全局平滑约束先验;根据前一步骤得到的全局平滑约束先验,构造在变换域中求解的图像去噪代价函数;利用基于梯度的方法来最优化前一步骤中构造的代价函数,得到基于全局平滑约束先验模型的图像去噪迭代框架;将迭代框架展开成一种深度神经网络模型;训练构建的深度神经网络模型;将噪声图像作为输入,利用前一步骤训练好的深度神经网络模型得到恢复的高质量图像。本发明所述的方法能够获得很好的去噪效果,是一种有效的图像去噪方法。
基本信息
专利标题 :
基于全局平滑约束先验模型的深度神经网络图像去噪方法
专利标题(英):
暂无
公开(公告)号 :
CN112907456A
申请号 :
CN201911230071.X
公开(公告)日 :
2021-06-04
申请日 :
2019-12-04
授权号 :
CN112907456B
授权日 :
2022-06-10
发明人 :
任超王春城何小海滕奇志熊淑华王正勇
申请人 :
四川大学
申请人地址 :
四川省成都市武侯区一环路南一段24号
代理机构 :
代理人 :
优先权 :
CN201911230071.X
主分类号 :
G06T5/00
IPC分类号 :
G06T5/00 G06T5/10 G06N3/04
相关图片
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06T
一般的图像数据处理或产生
G06T5/00
图像的增强或复原
法律状态
2022-06-10 :
授权
2021-06-22 :
实质审查的生效
IPC(主分类) : G06T 5/00
申请日 : 20191204
申请日 : 20191204
2021-06-04 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN112907456A.PDF
PDF下载