公开(公告)号：CN108564555A

公开(公告)日：2018-09-21

申请号：CN201810447228.3

申请日：2018-05-11

Applicant: 中北大学

Inventor： 刘祎 ,  刘艳莉 ,  桂志国 ,  张权 ,  尚禹 ,  张鹏程 ,  高净植 ,  陈平 ,  韩跃平

IPC: G06T5/00 ,  G06T5/10

Abstract: 本发明涉及一种基于NSST和CNN的数字图像降噪方法，包括如下步骤：步骤1：网络训练；通过Ascombe变换将图像中近似服从泊松分布的噪声转换为近似服从标准高斯分布的噪声；通过NSST即通过非下采样剪切波变换，分别将噪声图像以及其对应的高质量图像分解为多级子带图像，将各级子带图像分别剪切为一定大小的图像块作为数据集；基于获得的数据集，进行卷积神经网络训练即进行CNN训练；步骤2：基于步骤1获得的网络模型，进行图像降噪。

公开(公告)号：CN108564555B

公开(公告)日：2021-09-21

申请号：CN201810447228.3

申请日：2018-05-11

Applicant: 中北大学

Inventor： 刘祎 ,  刘艳莉 ,  桂志国 ,  张权 ,  尚禹 ,  张鹏程 ,  高净植 ,  陈平 ,  韩跃平

IPC: G06T5/00 ,  G06T5/10

Abstract: 本发明涉及一种基于NSST和CNN的数字图像降噪方法，包括如下步骤：步骤1：网络训练；通过Ascombe变换将图像中近似服从泊松分布的噪声转换为近似服从标准高斯分布的噪声；通过NSST即通过非下采样剪切波变换，分别将噪声图像以及其对应的高质量图像分解为多级子带图像，将各级子带图像分别剪切为一定大小的图像块作为数据集；基于获得的数据集，进行卷积神经网络训练即进行CNN训练；步骤2：基于步骤1获得的网络模型，进行图像降噪。