买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳高性能医疗器械国家研究院有限公司

摘要：本发明公开了一种基于变换域下去噪自动编码器作为先验的图像处理方法。该方法包括：利用原始图像和多通道变换特征构造具有多尺度和多视角特性的多通道张量空间，构建训练数据集；基于所述训练数据集训练去噪自动编码器网络，以将图像变换域与原始像素域相结合，获得变换域中图像，并使用变换域中图像学习所述多通道张量空间中的先验信息；将从所述多通道张量空间中学习的先验信息引入到处理图像复原问题的迭代过程进行求解，获得优化的去噪自动编码器网络。利用本发明获得的重建图像，在保持了更多纹理细节的情况下，提高了图像的质量，更能满足诊断需求。

主权项：1.一种基于变换域下去噪自动编码器作为先验的图像处理方法，包括以下步骤：步骤S1：利用原始图像和多通道变换特征构造具有多尺度和多视角特性的多通道张量空间，构建训练数据集；步骤S2，基于所述训练数据集训练去噪自动编码器网络，以将图像变换域与原始像素域相结合，获得变换域中图像，并使用变换域中图像学习所述多通道张量空间中的先验信息；步骤S3，将从所述多通道张量空间中学习的先验信息引入到处理图像复原问题的迭代过程进行求解，获得优化的去噪自动编码器网络；其中，步骤S1包括：对一一不对应的图像进行归一化处理；对图像进行小波变换，使用1级非正交小波系数形成4通道特征图像，原始图像被分解成4个子带图像，包括低频分量LL、水平分量HL、垂直分量LH和对角分量HH，其中，水平分量HL、垂直分量LH和对角分量HH用于表征图像细节，低频分量LL用于表征图像的近似部分；通过叠加像素域下的原始图像和小波域下的4通道特征图像，得到5维的图像张量，构建所述训练数据集；其中，步骤S2包括：利用由5通道张量及其噪声版本组成的数据对训练所述其噪自动编码器网络，训练数据表示为其中分量Ix是原始图像，分量Wx代表四个子带图像的组合；其中，在步骤S3中，所述去噪自动编码器网络学习的先验定义为： 其中，是变换域中5通道张量表示，分量Ix是原始图像，分量Wx代表四个子带图像的组合，表示去噪自动编码器网络的输出；在步骤S3，将所述去噪自动编码器网络的优化问题表示为： 其中，y＝Mx+n为图像退化公式，x是原始图像，M是退化因子算子，y是产生的退化之后的图像，n是加性噪声，Gx是-李普希茨光滑的，k代表迭代次数指数，β和λ是设定的参数，η是高斯噪声。

全文数据：

权利要求：

百度查询： 深圳高性能医疗器械国家研究院有限公司 基于变换域下去噪自动编码器作为先验的图像处理方法