“盲去噪”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果296564个，建议您升级VIP下载更多相关专利

[发明专利]图像盲去噪方法、装置、电子设备和存储介质-CN202110799034.1在审
发明人：孙岳 -专利权人：浙江宇视科技有限公司
申请日： 2021-07-15 - 公布日： 2023-01-17 - 主分类号： G06T5/00 文献下载
摘要：本发明实施例公开了一种图像盲去噪方法、装置、电子设备和存储介质。该图像盲去噪方法包括：根据预先对待去噪图像的图像采集设备进行图像噪声标定得到的图像噪声标定结果，确定待去噪图像的目标噪声参数；对待去噪图像进行初步滤波处理，得到待去噪图像的初步滤波图像；根据目标噪声参数和初步滤波图像确定待去噪图像的噪声水平估计结果；根据噪声水平估计结果对待去噪图像进行最终去噪处理，得到待去噪图像的最终盲去噪结果。本发明实施例通过将图像噪声标定和滤波相结合的方法实现噪声水平估计，降低盲去噪方法的整体复杂度，从而降低盲去噪方法在前端图像采集设备等算力受限平台上的部署难度。
图像盲去噪方法装置电子设备存储介质

[发明专利]一种图像盲去噪系统-CN201911307908.6在审
发明人：谢翔;邹少锋;李国林;王志华 -专利权人：清华大学深圳国际研究生院;清华大学
申请日： 2019-12-18 - 公布日： 2020-05-08 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种图像盲去噪系统，包括：盲去噪网络模块，用于去除输入图像的噪声，盲去噪网络模块使用预训练模型直接对带噪图像进行重构以减少生成最佳重构图像所需的迭代次数。采用具有跳跃连接的编码器‑解码器结构，仅使用高斯白噪声作为网络输入，使用带噪图像作为参考图像，使用均方误差作为损失函数；盲图像质量评估网络模块，用于对经过盲去噪网络模块重建的噪声图像进行评估，并决定何时终止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。
一种图像盲去噪系统

[发明专利]一种用于图像去噪处理的方法、电子设备、装置及计算系统-CN202110625862.3在审
发明人：赵娟萍 -专利权人： OPPO广东移动通信有限公司
申请日： 2021-06-04 - 公布日： 2022-12-06 - 主分类号： G06T5/00 文献下载
摘要：本申请实施例公开了一种用于图像去噪处理的方法、电子设备、装置及计算系统，该方法包括：将待执行去噪处理的第一图像输入到所述图像去噪神经网络；利用所述噪声估计子网络对所述第一图像进行噪声估计，得到噪声信息；利用所述非盲去噪子网络根据所述噪声信息对所述第一图像进行去噪处理，输出去噪后的第二图像；其中，所述非盲去噪子网络是基于神经网络结构搜索自动搜索到的。这样，通过神经网络结构搜索自动搜索到的非盲去噪子网络，建立的一种轻量化的图像去噪神经网络，能够占用较少的计算资源，得到较优的去噪效果，该网络更容易部署在移动终端上实现图像去噪。
一种用于图像处理方法电子设备装置计算系统

[发明专利]一种基于随机重排和无标签模型的隐式图像盲去噪方法-CN202211076019.5有效
发明人：聂琳;徐丽莉;康文雄;施煜锴 -专利权人：华南理工大学;广东工业大学
申请日： 2022-09-02 - 公布日： 2023-10-24 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于随机重排和无标签模型的隐式图像盲去噪方法，包括以下步骤：首先，利用图像高频信号滤波器提取带噪图像的低频图像，接着用带噪图像减去低频图像以获取高频信号，并对高频信号进行预处理；其次，通过隐式噪声模型提取高频信号生成同类型的噪声信号，利用生成的的噪声信号构建带噪图像数据；最后，将带噪图像数据训练基于神经网络盲去噪模型，利用训练好的基于神经网络盲去噪模型对图像进行去噪处理。
一种基于随机重排标签模型图像盲去噪方法

[发明专利]一种基于网络结构搜索的高光谱遥感图像去噪方法-CN202110824749.8在审
发明人：袁媛;马翰文;刘赶超 -专利权人：西北工业大学
申请日： 2021-07-21 - 公布日： 2021-09-24 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于网络结构搜索的高光谱遥感图像去噪方法，该方法通过构建一种多尺度特征注意力超网络，使用基于梯度的网络结构搜索机制，来获取可以适用于噪声不一致情况下的盲去噪算法模型。此外还加入了噪声预估子网络，将预估的噪声信息添加进搜索过程中隐形的调节搜索的方向，进而提高了所搜索出的网络的盲去噪性能。本发明方法相对于传统方法，去噪效果更好，盲去噪鲁棒性更好，去噪过程更高效。
一种基于网络结构搜索光谱遥感图像方法

[发明专利]一种泊松-高斯混合噪声的去除方法-CN202111083142.5在审
发明人：黄梦醒;殷家汇;冯思玲;毋媛媛;冯文龙;张雨;吴迪 -专利权人：海南大学
申请日： 2021-09-15 - 公布日： 2021-12-28 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种泊松‑高斯混合噪声的去除方法，包括下列步骤：构建包含泊松‑高斯混合噪声图像的数据集，将所述数据集划分为训练集与测试集；建立噪声图像去噪模型，所述模型包括GAT层、CNN层、残差层、逆GAT层，将所述训练集中的数据输入所述非盲泊松‑高斯混合去噪模型中进行训练，从而获得训练完成的非盲泊松‑高斯混合去噪模型；将所述测试集的数据输入所述非盲泊松‑高斯混合去噪模型，获得图像去噪结果。
一种混合噪声去除方法

[发明专利]一种图像盲去噪的方法、装置、计算机设备和存储介质-CN201910309673.8有效
发明人：侯贤旭;罗鸿铭;刘博智;邱国平 -专利权人：深圳大学
申请日： 2019-04-17 - 公布日： 2022-10-04 - 主分类号： G06V10/30 文献下载
摘要：本申请涉及一种图像盲去噪的方法、装置和计算机设备，所述图像盲去噪的方法包括：将噪声级别不同的噪声图像输入神经网络，得到图像特征集；使用所述图像特征集对神经网络进行多次迭代训练，得到训练后的神经网络；将任意一张待去噪的噪声图像输入训练后的神经网络，得到去噪后的结果图。本发明通过对不同级别噪声图像的对抗学习，将不同的噪声图像映射到相似的特征空间中，实现同一模型能处理不同噪声级别的图像，以提高去噪算法的鲁棒性和普适性，使图像盲去噪的使用范围更广、去噪效果更好。
一种图像盲去噪方法装置计算机设备存储介质

[发明专利]一种基于噪声注意力的高光谱遥感图像盲去噪方法-CN202110058699.7有效
发明人：袁媛;马翰文;刘赶超 -专利权人：西北工业大学
申请日： 2021-01-16 - 公布日： 2023-10-27 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于噪声注意力的高光谱遥感图像盲去噪方法，该方法通过构建噪声预估网络来获取不同波段的噪声强度，并利用注意力机制来对高噪波段进行抑制，低噪波段进行增强；再构建去噪网络，尽可能的剔除数据中的无用信息，获取有用信息，提高了去噪的效果，进而提高了盲去噪的准确性与适用性。
一种基于噪声注意力光谱遥感图像盲去噪方法

[发明专利]增强边缘特征的CBDNet去噪网络优化方法及系统-CN202310401159.3在审
发明人：单宇翔;高扬华;郁钢 -专利权人：浙江中烟工业有限责任公司
申请日： 2023-04-12 - 公布日： 2023-07-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种增强边缘特征的CBDNet去噪网络优化方法及系统，所述方法包括：获取真实图像数据集和合成图像数据集；将原图像交替输入噪声估计网络，输出噪声估计图；对原图像和噪声估计图进行拼接；将拼接后图像输入非盲去噪网络中，输出去噪后的图像，非盲去噪网络采用U‑Net架构，包括若干卷积层、两个双线性插值上采样层和两个IndexNet模块。本发明的增强边缘特征的CBDNet去噪网络优化方法及系统，通过减少去噪过程中图像边缘信息的丢失来提高后续图像处理或检测的效果，利用CBDNet的非盲去噪网络的方式来保留更多的图像纹理特征，同时降低噪声估计网络高估噪声水平导致的过度去噪造成的影响
增强边缘特征 cbdnet 网络优化方法系统

[发明专利]一种基于单个深度神经网络的多噪声类型盲去噪方法-CN201911346539.1有效
发明人：陈耀武;谢才扬;蒋荣欣 -专利权人：浙江大学
申请日： 2019-12-24 - 公布日： 2022-07-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于单个深度神经网络的多噪声类型盲去噪方法，包括以下步骤：基于卷积神经网络构建多任务噪声估计子网络，利用该多任务噪声估计子网络对输入原始噪声图像进行噪声类型估计和噪声水平估计；基于卷积层构建去噪子网络，利用该去噪子网络对多任务噪声估计子网络输出的噪声类型和噪声水平整合获得的混合图像进行去噪，输出噪声残差图像；融合原始噪声图像和噪声残差图像，获得去噪后图像。该多噪声类型盲去噪方法通过对噪声进行分类然后针对每类噪声单独去噪，大大提升了去噪效果。
一种基于单个深度神经网络噪声类型盲去噪方法

[发明专利]一种基于半盲估计的噪声自适应视频去噪方法-CN202310232770.8在审
发明人：岳涛;陈鑫;胡雪梅 -专利权人：南京大学
申请日： 2023-03-13 - 公布日： 2023-06-23 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于半盲估计的噪声自适应视频去噪方法。该方法包括如下步骤：(1)构建基于物理噪声模型的半盲噪声分析神经网络模块；(2)构建包含异分布噪声的视频数据集，并对半盲噪声分析神经网络模块进行预训练；(3)构建循环式时间大跨度视频去噪神经网络模块；(4)将半盲噪声分析神经网络模块与视频去噪神经网络模块级联，并使用包含异分布噪声的视频数据集对级联后的模块进行端到端训练。本发明基于半盲噪声分析模块，对异分布噪声进行分布参数分析和估计，并利用分布参数指引视频去噪模块处理不同相机的异种分布噪声，充分提高了视频去噪算法在不同相机中应用的适应性和泛化性。
一种基于估计噪声自适应视频方法

[发明专利]一种基于自监督约束的双尺度图像盲去噪方法及系统-CN202010847027.X有效
发明人：潘金山;王迪;唐金辉 -专利权人：南京理工大学
申请日： 2020-08-21 - 公布日： 2021-07-16 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于自监督约束的双尺度图像盲去噪方法及系统。根据小尺度的噪声图像和大尺度的噪声图像，构建双尺度的边缘保持自监督约束、双尺度的背景一致性自监督约束和双尺度的结构相似性注意力自监督约束，以各自监督约束为约束条件，根据小尺度的噪声图像数据集和大尺度的噪声图像数据集训练盲去噪网络，通过训练后的盲去噪网络实现噪声图像的自监督去噪。
一种基于监督约束尺度图像盲去噪方法系统

[发明专利]一种基于变分推断的盲泊松去噪深度学习方法-CN202211503450.3在审
发明人：田昕;梁浩;刘芮 -专利权人：武汉大学
申请日： 2022-11-28 - 公布日： 2023-03-03 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于变分推断的盲泊松去噪深度学习方法，首先利用基于泊松分布的变分推断和深度卷积网络对泊松噪声统计信息进行推断，通过基于Gamma分布的重采样技术采样得到最终的泊松信息。结合该泊松信息，所提出的去噪子网络能够有效地完成盲泊松去噪任务，并且去噪性能较为卓越。由于将变分推断与深度学习相结合，所提出的方法具有较强的可解释性和高效的去噪能力。因此，该方法可以实现不同情况下的泊松去噪任务。
一种基于推断盲泊松去噪深度学习方法

[发明专利]图像盲去噪系统-CN202010413635.X有效
发明人：武小荷;刘铭;曹越;任冬伟;左旺孟 -专利权人：哈尔滨工业大学
申请日： 2020-05-15 - 公布日： 2021-06-01 - 主分类号： G06T5/00 文献下载
摘要：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。
图像盲去噪系统

[发明专利]基于通道和空间注意力的真实噪声盲去噪网络系统及方法-CN202010064130.7有效
发明人：李小霞;吕念祖;肖娟;王学渊;王顺利 -专利权人：西南科技大学
申请日： 2020-01-20 - 公布日： 2022-09-02 - 主分类号： G06T5/00 文献下载
摘要：一种基于通道和空间注意力的真实噪声盲去噪网络系统及方法，该盲去噪网络系统包括加权特征提取模块，其通过自适应地调整通道重要性来提取待处理图像更具有判别性的像素特征；多路径残差密集模块，其提取有利于学习更具有判别性的像素特征复杂像素分布的多尺度特征并兼顾图像局部和全局细节信息的多层次特征；以及多尺度特征融合模块，其通过自适应加权融合多尺度特征和多层次特征以突出特征的空间和通道差异性，得到盲去噪后的图像。该网络模型能显著提高真实噪声图像的去噪性能，在真实图像去噪任务中具有更大的实际应用价值。
基于通道空间注意力真实噪声盲去噪网络系统方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条