“图像去噪”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1000131个，建议您升级VIP下载更多相关专利

[发明专利]一种基于无监督的真实图像去噪方法-CN202010468066.9有效
发明人：范赐恩;李晓鹏;邹炼;田胜 -专利权人：武汉大学
申请日： 2020-05-28 - 公布日： 2022-04-01 - 主分类号： G06T5/00 文献下载
摘要：本发明属于图像去噪技术领域，公开了一种基于无监督的真实图像去噪方法，包括构建真实图像去噪网络，构建真实图像去噪网络的总损失函数，将待去噪的图像输入至真实图像去噪网络，以总损失函数为指导训练真实图像去噪网络，总损失函数收敛后得到去噪后的干净图像。本发明解决了现有技术中真实图像的干净样本难以获取，训练数据集构建困难的问题，采用无监督方式，只利用待去噪的图像便可以实现图像去噪，可以广泛应用于各类真实图像去噪。
一种基于监督真实图像方法

[发明专利]图像去噪方法、存储介质及终端设备-CN201910708364.8在审
发明人：郑加章 -专利权人：武汉TCL集团工业研究院有限公司
申请日： 2019-08-01 - 公布日： 2021-02-02 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种图像去噪方法、存储介质及终端设备，所述方法通过将待去除图像输入至已训练的图像去噪模型中，通过已训练的图像去噪模型对待去噪图像进行去噪处理，以得到去噪图像。所述图像去噪模型为通过对具有多组训练图像组的训练图像集的去噪过程进行深度学习得到，其中，所述训练图像组包括具有相同图像内容的第一图像和第二图像，第二图像的信噪比大于第一图像的信噪比。由此可知，本发明是采用基于训练图像集进行深度学习的到已训练的图像去噪模型进行去噪，这样可以提高图像去噪模型的运算性能，减少图像去噪所耗费的时间，从而提高了图像去噪的效率。
图像方法存储介质终端设备

[发明专利]一种基于Jacobian动态逼近的图像去噪方法及装置-CN202210242354.1在审
发明人：姚超;班晓娟;王笑琨 -专利权人：北京科技大学
申请日： 2022-03-11 - 公布日： 2022-05-06 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于Jacobian动态逼近的图像去噪方法及装置，涉及计算机视觉技术领域。包括：获取待去噪的图像；将待去噪的图像输入到图像去噪网络的浅层特征提取单元，得到浅层特征图像；将浅层特征图像输入到图像去噪网络的去噪单元，得到去噪后的图像；将去噪后的图像输入到图像去噪网络的双注意力单元，得到最终的去噪图像。本发明构建了端到端的基于Jacobian动态逼近的图像去噪网络，并设计了基于Jacobian矩阵的常微分方程求解模块实现神经网络的前向求导。本发明能够成功应用于合成噪声、真实噪声的图像去噪，相较于经典的图像去噪方法，能够在重建图像的主、客观质量方面均取得明显的去噪性能提升。
一种基于 jacobian 动态逼近图像方法装置

[发明专利]图像去噪方法、电子设备及存储介质-CN202310700833.8在审
发明人：宋凌;方刚;秦岚;杨光明;印胤 -专利权人：强联智创（北京）科技有限公司
申请日： 2023-06-13 - 公布日： 2023-09-01 - 主分类号： G06T5/00 文献下载
摘要：本申请公开了一种图像去噪方法、电子设备及存储介质。该图像去噪方法包括：获取待去噪图像；将待去噪图像输入至图像去噪模型中，得到图像去噪模型输出的目标去噪图像；其中，图像去噪模型基于原始样本图像集以及去噪样本图像集训练得到；去噪样本图像集为分别对原始样本图像集中的每一原始样本图像进行去噪处理后所得的去噪样本图像的集合本申请提供的技术方案能够针对不同质量的图像进行自适应滤波去噪，输出信噪比一致的图像。
图像方法电子设备存储介质

[发明专利]图像去噪方法、系统、设备及存储介质-CN202110014887.X在审
发明人：康睿文;罗超;成丹妮;邹宇;李巍 -专利权人：携程旅游网络技术（上海）有限公司
申请日： 2021-01-06 - 公布日： 2021-05-14 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种图像去噪方法、系统、设备及存储介质，该方法包括：构建图像去噪模型，所述图像去噪模型用于对输入的带噪声图像分别进行小波域的特征映射以及空间域的特征映射，得到去除噪声的图像；训练所述图像去噪模型；将待处理图像输入训练好的所述图像去噪模型中，得到所述图像去噪模型输出的去噪后图像。本发明提出了一种新型基于双域网络的图像去噪模型，同时在空域和小波域上进行特征提取并互相补充，能够在有效地去除图像噪声、提高图像信噪比的同时，恢复出图像的纹理、边缘等细节信息，从而获得更加理想的图像去噪效果
图像方法系统设备存储介质

[发明专利]一种具有细节信息学习能力的图像去噪方法-CN201910966693.2有效
发明人：叶远征;沈复民;孔繁昊;奚兴;张艳明 -专利权人：成都考拉悠然科技有限公司
申请日： 2019-10-12 - 公布日： 2020-06-26 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种具有细节信息学习能力的图像去噪方法，包括以下步骤：1）构建具有细节信息学习能力的图像去噪模型；2）使用该图像去噪模型对噪声图像进行去噪，获得干净图片；3）所述图像去噪模型先将噪声从噪声图像中分离，接着所述图像去噪模型从分离的噪声中学习丢失的图像细节信息；4）最后，所述图像去噪模型将学习的图像细节信息补充入干净图片，获得最终的去噪后的清晰图像。本发明提供一种新的图像去噪方法，能够有效地避免了光晕，振铃和马赛克效应，以及模糊和伪影现象，表现具有竞争力的去噪效果以及良好的视觉效果，同时还具有很强的泛化能力，可在超声图像，激光图像等真实图像去噪任务中表现出先进的去噪性能
一种具有细节信息学习能力图像方法

[发明专利]图像去噪方法、装置、计算机设备和存储介质-CN202110822624.1有效
发明人：石大明;万博文 -专利权人：深圳大学
申请日： 2021-07-21 - 公布日： 2023-07-11 - 主分类号： G06T5/00 文献下载
摘要：本申请涉及一种图像去噪方法、装置、计算机设备和存储介质。所述方法包括：获取待去噪图像；采用预先训练的至少两个图像去噪模型对待去噪图像去噪，获得各图像去噪模型的初始去噪图像，各图像去噪模型对应至少两个初始去噪图像；对各初始去噪图像进行融合处理，获得目标去噪图像；各图像去噪模型的训练过程为：获取各类样本数据集，样本数据集的数据为：采用该样本数据集的类型的采样比例，对各原始噪声图像采样得到的样本噪声图像块；采用各类样本数据集，对各类对应的神经网络模型训练，获得各图像去噪模型采用本方法可提高图像去噪的精度。
图像方法装置计算机设备存储介质

[发明专利]图像去噪方法、装置、电子设备及计算机可读存储介质-CN202110281581.0有效
发明人：黄一鸣 -专利权人：深圳壹账通智能科技有限公司
申请日： 2021-03-16 - 公布日： 2023-07-04 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及图像处理技术，揭露了一种图像去噪方法，包括：对原始图像进行至少一种噪声添加和噪声增强，得到增强噪声图像；根据提取到的增强噪声图像的图像特征匹配参考图像，获取参考图像的像素分布；将像素分布作为图像去噪模型的参数对增强噪声图像进行去噪处理，得到去噪图像；计算去噪图像与原始图像之间的像素损失值，根据像素损失值对图像去噪模型进行参数调整，得到训练完成的图像去噪模型；利用训练完成的图像去噪模型对待去噪图像进行去噪处理，得到去噪图像。此外，本发明还涉及区块链技术，所述原始图像可存储于区块链的节点。本发明还提出一种图像去噪装置、设备以及介质。本发明可以解决文本去噪模型泛用性和鲁棒性较低的问题。
图像方法装置电子设备计算机可读存储介质

[发明专利]图像去噪模型训练、降噪方法及其设备、存储介质-CN202210660153.3在审
发明人：陶家威;朱斌才;郭鹰鸿;吕焱飞;王熙星;王宗苗;吕海岳;李朋飞;史为平;贾根发;张剑荣 -专利权人：浙江华睿科技股份有限公司
申请日： 2022-06-09 - 公布日： 2022-10-11 - 主分类号： G06V10/30 文献下载
摘要：本申请公开了一种图像去噪模型训练、降噪方法及其设备、存储介质，该模型训练方法包括：获取噪声图像数据集，并将所述噪声图像数据集中的待训练图像输入图像去噪模型进行预测，其中，图像去噪模型至少包括并联的两个卷积层，进一步地，利用图像去噪模型的预测噪声点以及待训练图像中的真实噪声点，对图像去噪模型进行训练，以得到最终的图像去噪模型。通过上述方法，本申请利用并联的卷积层，减少网络参数量，以及提升图像去噪模型对不同图像噪声检测的鲁棒性，从而训练出准确、高效的图像去噪模型。
图像模型训练方法及其设备存储介质

[发明专利]基于遗传算法的小波图像去噪方法和装置-CN201810433806.8在审
发明人：韦蕴珊;胡晓;马培荣 -专利权人：广州大学
申请日： 2018-05-08 - 公布日： 2018-10-12 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于遗传算法的小波图像去噪方法和装置，其方法包括以下步骤：获取待处理图像和图像去噪模型，图像去噪模型为基于改进的小波阈值去噪算法对训练集中的噪音图像进行学习训练而得到的；其中改进的小波阈值去噪算法为采用遗传算法来确定小波阈值得到的；根据图像去噪模型对待处理图像进行去噪处理。上述的基于遗传算法的小波图像去噪方法中在得到图像去噪模型时，有效地将小波去噪算法与遗传算法有效结合起来，得到最优的小波阈值(其中小波阈值是小波阈值去噪方法的关键)，在使用图像去噪模型对待处理图像进行去噪时大大提高了去噪率
去噪图像去噪遗传算法小波阈值去噪小波图像小波方法和装置处理图像算法小波去噪算法待处理图像学习训练有效结合噪音图像有效地改进

[发明专利]图像噪声去除系统、方法、设备及存储介质-CN202210731214.0在审
发明人：陈志颖;左培丽;周雅雯 -专利权人：展讯半导体（南京）有限公司
申请日： 2022-06-24 - 公布日： 2022-08-19 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种图像噪声去除系统、方法、设备及存储介质，包括上位机和下位机，下位机包括至少一台设备，每台设备均部署有对应的图像去噪算法；上位机用于根据获取的每台设备中原始噪声图像对应的初始图像纹理损失值以及初始图像去噪算法参数生成至少一个新的图像去噪算法参数；下位机用于根据每个新的图像去噪算法参数更新图像去噪算法，并根据更新后的图像去噪算法对原始噪声图像进行去噪处理。本发明通过上位机与下位机的通信交互，能够同时调试更新下位机中部署的多套图像去噪算法，降低了调试成本、提高了调试效率和精准度，避免了环境的制约，实现了根据更新后的图像去噪算法对原始噪声图像进行去噪处理，提高了图像噪声去除效率
图像噪声去除系统方法设备存储介质

[发明专利]一种图像去噪方法和装置-CN202011631084.0在审
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2020-12-30 - 公布日： 2022-07-01 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种图像去噪的方法和装置，其特征在于，采用深度学习方法训练得到进行图像去噪所需的相关信息，实现图像去噪，可以通过卷积神经网络来获取图像去噪的相关信息，以实现最终去噪。本发明可以对于不同尺度的图像，采用不同的去噪方式，以提高去噪的效果。
一种图像方法装置

[发明专利]图像处理方法、装置及计算机可读存储介质-CN201910994775.8在审
发明人：李志成 -专利权人：腾讯科技(深圳)有限公司
申请日： 2019-10-18 - 公布日： 2020-02-14 - 主分类号： G06T5/00 文献下载
摘要：本申请实施例公开了一种图像处理方法、装置及计算机可读存储介质，方法包括：获取当前帧视频图像，以及对当前帧视频图像执行图像噪声强度估计操作，得到当前帧视频图像对应的目标图像噪声强度；若目标图像噪声强度大于等于预设图像噪声强度，则启动图像去噪功能，以及根据目标图像噪声强度确定对当前帧视频图像执行图像去噪操作需要的目标图像去噪参数；根据目标图像去噪参数对当前帧视频图像执行图像去噪操作，得到图像去噪后的当前帧视频图像。采用本申请实施例有助于提高视频图像去噪的效果。
帧视频图像目标图像图像去噪去噪噪声图像噪声计算机可读存储介质强度估计强度确定视频图像图像处理预设申请

[发明专利]无监督SAR图像去噪方法-CN201910680271.9有效
发明人：丁金闪;黄学军;温利武;梁毅 -专利权人：西安电子科技大学
申请日： 2019-07-26 - 公布日： 2022-12-06 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种无监督SAR图像去噪方法，主要解决现有SAR图像去噪时容易丢失图像边缘信息和细节信息的问题。其实现方案为：1)获取训练数据集；2)在用于无监督图像转换网络CycleGAN的基础上，构建SAR图像去噪网络；3)对CycleGAN网络的损失函数进行改进，得到SAR图像去噪网络的损失函数；4)利用训练数据集对SAR图像去噪网络进行训练，得到训练好的SAR图像去噪网络；5)将待去噪的SAR图像输入到训练好的SAR图像去噪网络中，得到去噪后的SAR图像。本发明能在保留图像边缘信息和细节信息的条件下有效地抑制实际SAR图像的相干斑噪声，可用于改善SAR图像质量和提高SAR图像的可解释性。
监督 sar 图像方法

[发明专利]低剂量图像去噪网络的训练方法、低剂量图像的去噪方法-CN202011437368.6在审
发明人：郑海荣;梁栋;胡战利;黄振兴;刘新 -专利权人：深圳先进技术研究院
申请日： 2020-12-07 - 公布日： 2021-03-23 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种低剂量图像去噪网络的训练方法、低剂量图像的去噪方法、计算机设备及存储介质，包括：获取训练数据集，训练数据集包括多个输入参数组，每一个输入参数组包括解剖结构的低剂量图像、属性、标准剂量图像；建立低剂量图像去噪网络，低剂量图像去噪网络包括属性融合模块、空间信息融合模块及生成模块；利用训练数据集对低剂量图像去噪网络进行训练，获得低剂量图像去噪网络的参数。本发明提供的低剂量图像去噪网络的训练方法将解剖结构的属性作为低剂量图像去噪网络的输入，从而将解剖结构的属性融合到图像重建过程中，使得训练得到的低剂量图像去噪网络能够适用于不同的解剖结构，在提升了鲁棒性的同时保证重建图像的质量
剂量图像网络训练方法

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