-
公开(公告)号：CN114529480A
公开(公告)日：2022-05-24
申请号：CN202210203990.3
申请日：2022-03-02
Applicant: 北京大学
Abstract: 本发明公布了一种基于随机重配对的无监督一锅式多帧图像去噪方法，属于图像处理技术领域。本发明不需要任何干净图像作为标签，并且在多帧含噪图像内构造多向的相互监督，令对应同一视野的多帧图像在训练过程中本质上成为一个整体，这使得多帧图像数据内蕴含的基底和噪声信息能够被更加充分地挖掘。本发明可以充分地利用多帧含噪图像中隐含的交互信息，且对图像噪声的物理模式没有限制。本发明具有充分的泛化性能，在使用多帧图像数据进行训练之后，在面对新数据时，仅需要单张含噪图像即可完成去噪。
-
公开(公告)号：CN114529480B
公开(公告)日：2024-06-18
申请号：CN202210203990.3
申请日：2022-03-02
Applicant: 北京大学
Abstract: 本发明公布了一种基于随机重配对的无监督一锅式多帧图像去噪方法，属于图像处理技术领域。本发明不需要任何干净图像作为标签，并且在多帧含噪图像内构造多向的相互监督，令对应同一视野的多帧图像在训练过程中本质上成为一个整体，这使得多帧图像数据内蕴含的基底和噪声信息能够被更加充分地挖掘。本发明可以充分地利用多帧含噪图像中隐含的交互信息，且对图像噪声的物理模式没有限制。本发明具有充分的泛化性能，在使用多帧图像数据进行训练之后，在面对新数据时，仅需要单张含噪图像即可完成去噪。
-
公开(公告)号：CN114529479B
公开(公告)日：2024-06-18
申请号：CN202210202856.1
申请日：2022-03-02
Applicant: 北京大学
Abstract: 本发明公布了一种基于互信息损失函数的无监督一锅式多帧图像去噪方法，属于图像处理技术领域。本发明在使用多帧图像数据进行训练之后，在面对新数据时，仅需要单张含噪图像即可完成去噪，同时本发明不需要任何干净图像作为标签，将多帧图像作为一个整体输入深度学习模型从而进行更加全局的学习和更加综合的噪声模式信息挖掘，与现有技术相比，本发明可以最充分地利用多帧含噪图像中隐含的交互信息。
-
公开(公告)号：CN114529479A
公开(公告)日：2022-05-24
申请号：CN202210202856.1
申请日：2022-03-02
Applicant: 北京大学
Abstract: 本发明公布了一种基于互信息损失函数的无监督一锅式多帧图像去噪方法，属于图像处理技术领域。本发明在使用多帧图像数据进行训练之后，在面对新数据时，仅需要单张含噪图像即可完成去噪，同时本发明不需要任何干净图像作为标签，将多帧图像作为一个整体输入深度学习模型从而进行更加全局的学习和更加综合的噪声模式信息挖掘，与现有技术相比，本发明可以最充分地利用多帧含噪图像中隐含的交互信息。
-
-
-
Search Results
4
records
(took 0.013 seconds)
