龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：哈尔滨工业大学
申请日：2024-02-27
公开（公告）日：2024-06-28
公开（公告）号：CN118261816A
主分类号：G06T5/70
分类号：G06T5/70;G06T5/60;G06N3/0464;G06N3/048;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明属于图像去噪技术领域，提供一种像素级零样本高效图像去噪方法。本发明通过从多个非局部相似块中选择中心像素来构建一个“像素库”张量，然后可以通过从像素库中随机采样像素为每个位置生成多个训练样本，也称为“伪实例”。通过利用像素级随机采样，Pixel2Pixel可获得大量的训练伪实例，打破了依赖特定训练数据的限制，降低了噪声的空间相关性。由于所提方法不需要关于噪声分布的精确先验知识和干净训练图像，因此适用于各种噪声类型和不同噪声水平。广泛的实验表明，Pixel2Pixel在各种类型的噪声上均优于现有方法。本发明充分利用图像数据的非局部自相似性来生成训练样本，仅使用输入的噪声图像，并采用高效轻量的卷积神经网络架构实现高效图像去噪。
主权项：1.一种像素级零样本高效图像去噪方法，所述方法对于带噪声图像y∈Rh×w×c中的每个像素，围绕它构建一个局部块；利用图像的非局部自相似性，在足够大的窗口内搜索最相似的M个非局部块；从中提取中心像素，得到当前位置一个相似像素集合；对于所有位置，最终形成一个尺寸为h×w×c×M的“像素库”张量；通过在图像的空间范围内进行逐像素随机采样，可以创建Mhw个不同伪实例用于训练网络；如此大量的伪实例可以有效防止网络过拟合；对于网络训练，每次迭代都从像素库中采样一对伪实例作为网络的输入和输出，减少噪声的空间相关性，将高效去噪与强大的泛化能力无缝融合。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学 一种像素级零样本高效图像去噪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号