公开(公告)号：CN117474797B

公开(公告)日：2024-03-19

申请号：CN202311832535.0

申请日：2023-12-28

Applicant: 南京信息工程大学

Inventor： 江结林 ,  史明月 ,  刘西应 ,  陈亚当 ,  赵英男

IPC: G06T5/70 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种多尺度互补学习的图像去噪方法及装置，方法包括：步骤1：图像预处理之后得到标准化的基层和细节层；步骤2：将细节层输入细节特征学习分支得到第一个图像细节特征；步骤3：将细节层输入噪声学习分支得到第二个图像细节特征；步骤4：融合两个分支学习得到的图像细节特征；步骤5：将最终的图像细节特征和基层相加得到去噪后的图像；步骤6：计算损失并迭代训练，重复步骤2至步骤5并保存最优去噪模型；步骤7：将测试图像输入保存好的去噪模型进行测试。当噪声水平越高时，去噪模型的去噪效果越好，使噪声的去除和细节的保留之间达到良好的平衡。同时只使用了细节层参与去噪模型训练，极大减少了计算量。

公开(公告)号：CN117474797A

公开(公告)日：2024-01-30

申请号：CN202311832535.0

申请日：2023-12-28

Applicant: 南京信息工程大学

Inventor： 江结林 ,  史明月 ,  刘西应 ,  陈亚当 ,  赵英男

IPC: G06T5/70 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种多尺度互补学习的图像去噪方法及装置，方法包括：步骤1：图像预处理之后得到标准化的基层和细节层；步骤2：将细节层输入细节特征学习分支得到第一个图像细节特征；步骤3：将细节层输入噪声学习分支得到第二个图像细节特征；步骤4：融合两个分支学习得到的图像细节特征；步骤5：将最终的图像细节特征和基层相加得到去噪后的图像；步骤6：计算损失并迭代训练，重复步骤2至步骤5并保存最优去噪模型；步骤7：将测试图像输入保存好的去噪模型进行测试。当噪声水平越高时，去噪模型的去噪效果越好，使噪声的去除和细节的保留之间达到良好的平衡。同时只使用了细节层参与去噪模型训练，极大减少了计算量。