[发明专利]图像盲去噪系统

说明书

一种图像盲去噪系统，属于图像去噪技术领域。本发明针对现有图像去噪方法依赖噪声与清晰图像对进行模型的训练，可行性差的问题。其自监督学习模块包括：基于空洞卷积的盲点网络和图像相关的噪声水平估计网络，用于对噪声样本图像集中的噪声样本图像通过自监督损失优化，并基于贝叶斯预测得到初步盲去噪图像，得到第一数据集；图像相关的噪声水平估计网络还对清晰样本图像集中的清晰样本图像进行处理，生成对应噪声图像，得到清晰样本图像与对应噪声图像对组成的第二数据集；知识蒸馏模块用于在全监督模式下采用第一数据集和第二数据集训练基于多级小波的卷积神经去噪网络，得到去噪模型。本发明基于非成对图像实现盲去噪。

技术领域

本发明涉及图像盲去噪系统，属于图像去噪技术领域。

背景技术

图像去噪旨在去除图像中的噪声，使包括噪声的图像复原得到高质量清晰图像。图像中出现噪声的主要原因包括，硬件条件的限制，传输及存储过程中产生的噪声等。在医学图像、监控及娱乐等应用中，常常对图像质量提出更高的要求，因此，图像去噪一直是图像处理领域研究的热点。

近年来，卷积神经网络(Convolutional Neural Network,CNN)已被成功用于高斯去噪技术中，并被不断改进，旨在能处理更加复杂的噪声类型，甚至真实噪声。但是，为了达到可观的去噪效果，所述高斯去噪技术通常需要依赖大量的噪声与清晰图像对，来进行模型的监督学习。这种方法在使用中，一方面若已知噪声模型，可通过清晰图像对应合成噪声图像，构建出图像对；但真实的噪声极其复杂，难以参数化，所以很难实现；另一方面，可通过平均多张噪声图像或后处理低ISO图像的方式得到近似清晰图，来构建图像对，但获取代价较大且近似清晰图存在过度平滑问题。

发明内容

针对现有图像去噪方法依赖噪声与清晰图像对进行模型的训练，可行性差的问题，本发明提供一种图像盲去噪系统。

本发明的一种图像盲去噪系统，包括自监督学习模块和知识蒸馏模块；

所述自监督学习模块包括：

基于空洞卷积的盲点网络和图像相关的噪声水平估计网络，用于对噪声样本图像集中的噪声样本图像通过自监督损失优化，并基于贝叶斯预测得到初步盲去噪图像，得到噪声样本图像与初步盲去噪图像对组成的第一数据集；

所述图像相关的噪声水平估计网络，还用于对清晰样本图像集中的清晰样本图像进行处理，生成对应噪声图像，得到清晰样本图像与对应噪声图像对组成的第二数据集；

所述知识蒸馏模块，用于在全监督模式下采用第一数据集和第二数据集训练基于多级小波的卷积神经去噪网络，得到去噪模型。

根据本发明所述的图像盲去噪系统，

所述基于空洞卷积的盲点网络包括M个中心位置掩码卷积、N个多因子空洞卷积和B个卷积以及第一激活函数；所述N个多因子空洞卷积之间以串联、并联和残差连接中至少之一种形式组合；M≥1，N≥1，B≥1；

所述图像相关的噪声水平估计网络包括P个卷积及第二激活函数，P≥1；

所述基于多级小波的卷积神经去噪网络包括收缩子网络和扩展子网络；

所述收缩子网络包括输入编码器和D个小波变换层；所述输入编码器包括Q个卷积和第三激活函数；

所述扩展子网络包括输出解码器和D个小波逆变换层；所述输出解码器包括Q个反卷积和第四激活函数；Q≥1，D≥1。