[发明专利]一种图像盲去噪系统

权利要求书

1.一种图像盲去噪系统，其特征在于，包括：

盲去噪网络模块，用于去除输入图像的噪声，所述盲去噪网络模块包括预训练模型，根据迁移学习方法，将在所述预训练模型中经过多轮迭代后得到的包含了去噪图像信息的恢复图像的网络权重直接对噪声图像进行重建；

盲图像质量评估网络模块，用于对经过所述盲去噪网络模块重建的所述噪声图像进行评估，并决定何时终止所述盲去噪网络模块的迭代过程，选取评分最高的重构图像作为最终的去噪图像。

2.如权利要求1所述的图像盲去噪系统，其特征在于，在所述预训练模型中，所述盲去噪网络模块在每轮迭代中均生成一张重建图像，所述盲图像质量评估网络模块采用基本的分类结构估算所述重建图像的最佳质量，来决定何时终止所述盲去噪网络模块的迭代过程。

3.如权利要求2所述的图像盲去噪系统，其特征在于，所述盲图像质量评估网络模块连接低通滤波器，将所述盲图像质量评估网络模块估算的所述重建图像的质量得分通过所述低通滤波器进行滤波，从而获得质量最佳去噪图像。

4.如权利要求1-3任一项所述的图像盲去噪系统，其特征在于，所述盲去噪网络模块采用具有跳跃连接的编码器-解码器网络结构，所述具有跳跃连接的编码器-解码器网络结构由若干个下采样块、上采样块和跳跃连接块组成。

5.如权利要求1-3任一项所述的图像盲去噪系统，其特征在于，所述盲去噪网络模块输入是均匀噪声，并在迭代的过程中添加高斯白噪声作为扰动，所述盲去噪网络模块的参考图像是含有明显噪声的自然图像，所述盲去噪网络模块的损失函数采用的是均方误差。

6.如权利要求1-3任一项所述的图像盲去噪系统，其特征在于，使用真实噪声数据集通过所述盲去噪网络模块生成经过重建的噪声图像，并计算出所述经过重建的噪声图像的峰值信噪比，将所述峰值信噪比转换为直方图的分布作为所述盲图像质量评估网络模块的重建图像质量分数。

7.如权利要求6所述的图像盲去噪系统，其特征在于，所述重建图像质量分数可以表示为这里s_i表示第i个分数区间，N表示分数区间个数，表示图像质量分数和落入第i个区间的概率，为了将峰值信噪比转换为对应的质量分数分布，每个重构图像的峰值信噪比可以线性转换为μ，转换公式如下：

其中，min(PSNR)和max(PSNR)分别表示所有重构图像中最小和最大的峰值信噪比，并建立以μ为均值，方差σ＝1.5，采样点个数为M的正态分布。

8.如权利要求7所述的图像盲去噪系统，其特征在于，计算所述正态分布中落入第i个区间的采样点个数，由此得出对应的概率分布，所述概率分布表示为当M→∞时，

9.如权利要求8所述的图像盲去噪系统，其特征在于，所述重构图像的质量分数定义为

10.如权利要求7-9任一项所述的图像盲去噪系统，其特征在于，所述盲图像质量评估网络模块，使用EMD距离作为损失函数，其具体形式为：

其中，p和分别表示真实和估计的概率分布，CDF_p(k)表示为累计概率分布