-
公开(公告)号:CN112801906A
公开(公告)日:2021-05-14
申请号:CN202110146982.5
申请日:2021-02-03
Applicant: 福州大学
Abstract: 本发明涉及一种基于循环神经网络的循环迭代图像去噪方法,包括以下步骤:步骤S1:获取成对的原始噪声图像和无噪声图像并预处理,得到用于训练的噪声图像和无噪声图像的成对图像块;步骤S2:构建基于循环神经网络的循环迭代图像去噪网络,并使用噪声图像和无噪声图像的成对图像块训练;步骤S3:将待测原始噪声图像输入训练后的去噪网络,得到去噪图像。本发明通过循环迭代的方式将噪声去除的更干净的同时保留更多的图像细节,从而有效地重建去噪图像。
-
公开(公告)号:CN109978859B
公开(公告)日:2022-06-14
申请号:CN201910237280.0
申请日:2019-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于可见失真池化的图像显示适应质量评估方法。包括以下步骤:S1:读取原始图像,使用显著物体检测算法生成显著性图S;S2:使用图像配准方法建立原始图像与显示适应图像的像素级映射关系;S3:使用像素级映射关系计算图像的块级保真度F;S4:使用可见失真池化策略池化显著性图S和图像保真度F,计算显示适应图像的整体客观评估质量Q。本发明可有效地模拟显示适应图像客观质量评估中的人眼评估机制,解决重要度加权池化策略在组间比较时的不足,并有助于提升客观评估方法的评估分数与主观评分之间的一致性,可应用于显示适应图像的客观质量评估领域,以及其他需要采用池化策略结合局部信息评估整体质量的应用领域。
-
公开(公告)号:CN112801909A
公开(公告)日:2021-05-14
申请号:CN202110162762.1
申请日:2021-02-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于U‑Net和金字塔模块的图像融合去噪方法及系统,该方法包括以下步骤:S1、将成对的原始噪声图像和无噪声图像进行预处理,得到用于训练的成对图像块;S2、选取图像去噪深度网络模型FFDNet,并加载已训练完成的模型参数;步骤S3、构建基于U‑Net和金字塔模块的图像融合去噪网络;S4、以批次为单位将成对图像块输入FFDNet,并将其得到的结果输入图像融合去噪网络,根据损失函数训练图像融合去噪网络;S5、将用于测试的原始噪声图像输入FFDNet,并将其得到的结果输入训练好的图像融合去噪网络,得到最终的去噪图像。该方法及系统有利于提升去噪性能并保留更多的图像细节。
-
公开(公告)号:CN112801906B
公开(公告)日:2023-02-21
申请号:CN202110146982.5
申请日:2021-02-03
Applicant: 福州大学
IPC: G06T5/00 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及一种基于循环神经网络的循环迭代图像去噪方法,包括以下步骤:步骤S1:获取成对的原始噪声图像和无噪声图像并预处理,得到用于训练的噪声图像和无噪声图像的成对图像块;步骤S2:构建基于循环神经网络的循环迭代图像去噪网络,并使用噪声图像和无噪声图像的成对图像块训练;步骤S3:将待测原始噪声图像输入训练后的去噪网络,得到去噪图像。本发明通过循环迭代的方式将噪声去除的更干净的同时保留更多的图像细节,从而有效地重建去噪图像。
-
公开(公告)号:CN112801909B
公开(公告)日:2022-06-14
申请号:CN202110162762.1
申请日:2021-02-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于U‑Net和金字塔模块的图像融合去噪方法及系统,该方法包括以下步骤:S1、将成对的原始噪声图像和无噪声图像进行预处理,得到用于训练的成对图像块;S2、选取图像去噪深度网络模型FFDNet,并加载已训练完成的模型参数;步骤S3、构建基于U‑Net和金字塔模块的图像融合去噪网络;S4、以批次为单位将成对图像块输入FFDNet,并将其得到的结果输入图像融合去噪网络,根据损失函数训练图像融合去噪网络;S5、将用于测试的原始噪声图像输入FFDNet,并将其得到的结果输入训练好的图像融合去噪网络,得到最终的去噪图像。该方法及系统有利于提升去噪性能并保留更多的图像细节。
-
公开(公告)号:CN109978859A
公开(公告)日:2019-07-05
申请号:CN201910237280.0
申请日:2019-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于可见失真池化的图像显示适应质量评估方法。包括以下步骤:S1:读取原始图像,使用显著物体检测算法生成显著性图S;S2:使用图像配准方法建立原始图像与显示适应图像的像素级映射关系;S3:使用像素级映射关系计算图像的块级保真度F;S4:使用可见失真池化策略池化显著性图S和图像保真度F,计算显示适应图像的整体客观评估质量Q。本发明可有效地模拟显示适应图像客观质量评估中的人眼评估机制,解决重要度加权池化策略在组间比较时的不足,并有助于提升客观评估方法的评估分数与主观评分之间的一致性,可应用于显示适应图像的客观质量评估领域,以及其他需要采用池化策略结合局部信息评估整体质量的应用领域。
-
-
-
-
-