申请/专利权人:大连海事大学
申请日:2024-02-21
公开(公告)日:2024-05-07
公开(公告)号:CN117994158A
主分类号:G06T5/70
分类号:G06T5/70;G06N3/0464;G06N3/048;G06N3/082;G06N3/098;G06N3/045;G06T5/60
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.24#实质审查的生效;2024.05.07#公开
摘要:本发明提供一种融合自监督盲点网络和噪声估计模块的真实图像去噪方法,包括:构建真实噪声图像数据集,将真实噪声图像数据集分为训练集和测试集;构建真实噪声去噪模型,包括:将NV模块、不可见噪声去噪模块和可见噪声去噪模块结合BSN网络;采用训练集对真实噪声去噪模型进行训练,得到训练后的真实噪声去噪模型;将测试集输入训练后的真实噪声去噪模型得到去噪图像,不仅能够有效的去除噪声还能保留原有图像细节,在自监督真实世界图像去噪领域展现出了最先进的性能。
主权项:1.一种融合自监督盲点网络和噪声估计模块的真实图像去噪方法,其特征在于,包括:构建真实噪声图像数据集,将所述真实噪声图像数据集分为训练集和测试集;构建真实噪声去噪模型,包括:将NV模块、不可见噪声去噪模块和可见噪声去噪模块结合BSN网络;采用所述训练集对所述真实噪声去噪模型进行训练,得到训练后的所述真实噪声去噪模型;将所述测试集输入训练后的所述真实噪声去噪模型得到去噪图像。
全文数据:
权利要求:
百度查询: 大连海事大学 融合自监督盲点网络和噪声估计模块的真实图像去噪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。