公开(公告)号：CN119399051A

公开(公告)日：2025-02-07

申请号：CN202310920414.5

申请日：2023-07-25

Applicant: 四川大学

Inventor： 任超 ,  王守一 ,  何小海 ,  吴晓红 ,  潘艺中 ,  卿粼波

IPC: G06T5/70 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895 ,  G06T5/60

Abstract: 本发明公开了一种基于采样差异作为扰动的自监督真实图像去噪方法。主要包括以下步骤：提出并使用随机子样本生成策略以获得更多的子样本；根据随机子样本生成策略而提出一种采样差异损失函数；将循环策略引入损失函数的构建，提出循环采样差异损失函数；通过上述步骤对去噪网络进行训练，以得到去噪模型，然后将带有噪声的图像作为输入，通过训练好的网络模型，得到高质量的去噪图像。本发明所述方法可以不需要干净图像进行训练并且优于现有的伪监督/自监督方法，是一种有效的自监督真实图像去噪方法。

公开(公告)号：CN116977185A

公开(公告)日：2023-10-31

申请号：CN202210385679.5

申请日：2022-04-13

Applicant: 四川大学

Inventor： 任超 ,  潘艺中 ,  吴晓红 ,  何小海 ,  滕奇志 ,  王正勇

IPC: G06T5/00 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0985

Abstract: 本发明公开了基于噪声修正和引导残差估计的真实图像去噪方法。主要包括以下步骤：构建噪声预测器网络，用于预测噪声图像的噪声水平图；利用噪声水平图的引导，设计特征域残差估计去噪网络模块，估计噪声图像的去噪残差，以得到初步的去噪结果；构建噪声修正器网络，以利用去噪结果修正噪声水平图；采用权值共享的方式，将修正后的噪声水平图和上一阶段的去噪结果同时输入新的残差估计网络中，以更新去噪残差并得到更好的去噪结果；迭代地进行噪声修正和去噪残差估计，最终构建出完整去噪网络；训练构建的深度网络；输入噪声图像到训练好的深度网络得到干净的图像。本发明所述的方法能够很好地去除真实图像噪声，是一种有效的图像去噪方法。

公开(公告)号：CN114764750B

公开(公告)日：2023-08-18

申请号：CN202110035825.7

申请日：2021-01-12

Applicant: 四川大学

Inventor： 任超 ,  潘艺中 ,  何小海 ,  吴晓红 ,  滕奇志 ,  熊淑华

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应一致性先验深度网络的图像去噪方法。主要包括以下步骤：在一致性先验的基础上构建了自适应一致性先验；根据前一步骤得到的自适应一致性先验，构造在特征域中求解的图像去噪代价函数；利用基于梯度的方法来最优化前一步骤中构造的代价函数，得到基于自适应一致性先验深度网络的图像去噪迭代框架；将迭代框架展开成一种深度神经网络模型；训练构建的深度神经网络模型；将噪声图像作为输入，利用前一步骤训练好的深度神经网络模型得到恢复的高质量图像。本发明所述的方法能够获得很好的去噪效果，是一种有效的图像去噪方法。

公开(公告)号：CN114764750A

公开(公告)日：2022-07-19

申请号：CN202110035825.7

申请日：2021-01-12

Applicant: 四川大学

Inventor： 任超 ,  潘艺中 ,  何小海 ,  吴晓红 ,  滕奇志 ,  熊淑华

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应一致性先验深度网络的图像去噪方法。主要包括以下步骤：在一致性先验的基础上构建了自适应一致性先验；根据前一步骤得到的自适应一致性先验，构造在特征域中求解的图像去噪代价函数；利用基于梯度的方法来最优化前一步骤中构造的代价函数，得到基于自适应一致性先验深度网络的图像去噪迭代框架；将迭代框架展开成一种深度神经网络模型；训练构建的深度神经网络模型；将噪声图像作为输入，利用前一步骤训练好的深度神经网络模型得到恢复的高质量图像。本发明所述的方法能够获得很好的去噪效果，是一种有效的图像去噪方法。