公开(公告)号：CN111563846B

公开(公告)日：2021-10-26

申请号：CN201911008829.5

申请日：2019-10-23

Applicant: 哈尔滨理工大学

Inventor： 付立军 ,  陈德运 ,  李骜 ,  孙玲 ,  杨海陆

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于压缩神经网络的图像去噪方法。首先将噪声图像进行分块来降低训练模型的代价，随后经过压缩神经网络进行图像去噪，增强机制、空洞卷积融合到所发明的去噪网络中提高去噪的性能，最后利用全局残差操作得到干净的图像。去噪网络由增强块和压缩块组成。增强块包括子网络、一个卷积层及激活函数、空洞卷积及激活函数，二个子网络通过Concat操作被连接到一起，增强捕获特征的鲁棒性，之后经过卷积层和激活函数对上述提取的特征信息进行继续学习。压缩块是用来压缩网络的参数和减少模型的训练代价。压缩模块包括卷积及激活函数、普通的卷积及激活函数和卷积层。这里的空洞卷积能提高去噪网络的性能。

公开(公告)号：CN111563846A

公开(公告)日：2020-08-21

申请号：CN201911008829.5

申请日：2019-10-23

Applicant: 哈尔滨理工大学

Inventor： 付立军 ,  陈德运 ,  李骜 ,  孙玲 ,  杨海陆

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于压缩神经网络的图像去噪方法。首先将噪声图像进行分块来降低训练模型的代价，随后经过压缩神经网络进行图像去噪，增强机制、空洞卷积融合到所发明的去噪网络中提高去噪的性能，最后利用全局残差操作得到干净的图像。去噪网络由增强块和压缩块组成。增强块包括子网络、一个卷积层及激活函数、空洞卷积及激活函数，二个子网络通过Concat操作被连接到一起，增强捕获特征的鲁棒性，之后经过卷积层和激活函数对上述提取的特征信息进行继续学习。压缩块是用来压缩网络的参数和减少模型的训练代价。压缩模块包括卷积及激活函数、普通的卷积及激活函数和卷积层。这里的空洞卷积能提高去噪网络的性能。