公开(公告)号：CN117078540A

公开(公告)日：2023-11-17

申请号：CN202310899368.5

申请日：2023-07-20

Applicant: 北京交通大学

Inventor： 章春娥 ,  姜钰琪

IPC: G06T5/00 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出一种基于多阶段串并联的上下文细节渐进式图像去噪方法，包括，获取训练图像数据集；构建渐进式图像去噪模型；通过训练图像数据集对渐进式图像去噪模型进行训练，其中通过Charbonnier损失函数、Edge损失函数和L1重建损失函数控制降噪任务中的预测结果与真实结果之间的差异；获取待去噪图像，根据训练完成的渐进式图像去噪模型对所述待去噪图像进行图像降噪。通过本发明提出的方法，在保证去噪效果的同时，减少了计算成本和处理时间。

公开(公告)号：CN117078539A

公开(公告)日：2023-11-17

申请号：CN202310899126.6

申请日：2023-07-20

Applicant: 北京交通大学

Inventor： 章春娥 ,  姜钰琪

IPC: G06T5/00 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明提出一种基于CNN‑Transformer的局部全局交互式图像恢复方法，包括，获取合成模糊图像数据集作为训练集；构建基于CNN‑Transformer的局部全局交互式图像恢复模型，其中所述局部全局交互式图像恢复模型包括：CNN分支、Transformer分支、动态多头卷积注意力、增强门控前馈网络、交互学习‑耦合连接、交互学习‑跳跃连接；使用所述训练集对所述局部全局交互式图像恢复模型进行训练；获取待恢复图像，将所述待恢复图像输入训练好的局部全局交互式图像恢复模型中，进行图像降噪。通过本发明提出的方法，在尽可能减小网络计算量的同时，高效地将局部信息和全局信息进行耦合。