申请/专利权人：中国人民解放军火箭军工程大学

申请日：2021-10-29

公开（公告）日：2024-06-28

公开（公告）号：CN113962895B

主分类号：G06T5/70

分类号：G06T5/70;G06T5/60;G06N3/0464;G06N3/0475;G06N3/045;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.02.15#实质审查的生效;2022.01.21#公开

摘要：本发明公开了一种自适应生成对抗网络图像降噪方法，将任意噪声图像分别送入到生成器G1和G2中，生成器G1对给定噪声图像中的噪声建模，以便可以学习从噪声图像中提取噪声图；通过将提取的噪声图添加真实的无噪声图像来构建图像对生成噪声图像，用原带噪声的图像减去提取的噪声图得到降噪的图像；将生成的噪声图像与真实的有噪声图像一起送到鉴别器D1中并鉴别真假；有噪声的图像被送到生成器G2后，G2的任务是尝试学会从有噪声的图像中生成干净的降噪图像ID2，通过将生成的干净降噪图像ID2、之前得到的降噪图像ID1和真实的无噪声图像送入到鉴别器D2中，在迭代中不断提升鉴别器的判定真假能力和生成器生成逼真图像的能力。

主权项：1.一种自适应生成对抗网络图像降噪方法，其特征在于，将任意噪声图像分别送入到生成器G1和G2中，生成器G1对给定噪声图像中的噪声建模，以便可以学习从噪声图像中提取噪声图；通过将提取的噪声图添加真实的无噪声图像来构建图像对生成噪声图像，用原带噪声的图像减去提取的噪声图得到降噪的图像ID1，即去噪图像；将生成的噪声图像与真实的有噪声图像一起送到鉴别器D1中并鉴别真假；有噪声的图像被送到生成器G2后，G2的任务是尝试学会从有噪声的图像中生成干净的降噪图像ID2，通过将生成的干净降噪图像ID2、之前得到的降噪图像ID1和真实的无噪声图像送入到鉴别器D2中，在迭代中不断提升鉴别器的判定真假能力和生成器生成逼真图像的能力；所述生成器G1的模型架构是，第一层：Conv+ReLU，使用大小为3×3×c的64个滤波器生成64个特征图，这里c表示图像通道的数量，即，对于灰度图像，c=1，对于彩色图像，c=3；第二层15个残差块ResBlocks：使用大小为3×3×64的64个滤波器，并且在卷积和ReLU之间添加了批量归一化层BN；对于最后一层，使用大小为3×3×64的c个滤波器来重构输出；所述生成器G2的模型结构，包含三个跨步卷积块，九个残差块ResBlocks和两个转置卷积块，除了残差块外每个卷积模块的卷积层之后都添加了实例化标准化层IN；所述鉴别器的网络结构，包括五个卷积模块，除了第一个和最后一个模块外，每个卷积层后面都是IN层和LeakReLU层。

全文数据：

权利要求：

百度查询： 中国人民解放军火箭军工程大学 一种自适应生成对抗网络图像降噪方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD