公开(公告)号：CN111640073A

公开(公告)日：2020-09-08

申请号：CN202010413635.X

申请日：2020-05-15

Applicant: 哈尔滨工业大学

Inventor： 武小荷 ,  刘铭 ,  曹越 ,  任冬伟 ,  左旺孟

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 一种图像盲去噪系统，属于图像去噪技术领域。本发明针对现有图像去噪方法依赖噪声与清晰图像对进行模型的训练，可行性差的问题。其自监督学习模块包括：基于空洞卷积的盲点网络和图像相关的噪声水平估计网络，用于对噪声样本图像集中的噪声样本图像通过自监督损失优化，并基于贝叶斯预测得到初步盲去噪图像，得到第一数据集；图像相关的噪声水平估计网络还对清晰样本图像集中的清晰样本图像进行处理，生成对应噪声图像，得到清晰样本图像与对应噪声图像对组成的第二数据集；知识蒸馏模块用于在全监督模式下采用第一数据集和第二数据集训练基于多级小波的卷积神经去噪网络，得到去噪模型。本发明基于非成对图像实现盲去噪。

公开(公告)号：CN111640073B

公开(公告)日：2021-06-01

申请号：CN202010413635.X

申请日：2020-05-15

Applicant: 哈尔滨工业大学

Inventor： 武小荷 ,  刘铭 ,  曹越 ,  任冬伟 ,  左旺孟

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 一种图像盲去噪系统，属于图像去噪技术领域。本发明针对现有图像去噪方法依赖噪声与清晰图像对进行模型的训练，可行性差的问题。其自监督学习模块包括：基于空洞卷积的盲点网络和图像相关的噪声水平估计网络，用于对噪声样本图像集中的噪声样本图像通过自监督损失优化，并基于贝叶斯预测得到初步盲去噪图像，得到第一数据集；图像相关的噪声水平估计网络还对清晰样本图像集中的清晰样本图像进行处理，生成对应噪声图像，得到清晰样本图像与对应噪声图像对组成的第二数据集；知识蒸馏模块用于在全监督模式下采用第一数据集和第二数据集训练基于多级小波的卷积神经去噪网络，得到去噪模型。本发明基于非成对图像实现盲去噪。