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：合肥君正科技有限公司

摘要：本发明提供一种基于深度学习的图像去噪方法，包括基于对抗学习的神经网络，所述网络包括：噪声图像输入，通过生成器输出，生成假的干净图像，与真实干净图像一同输入到鉴别器；所述方法进一步包括：S1基于Unet网络结构基础上进行生成器的改进；对于生成器使用了密集残差块以及空间和通道注意力相结合的模块提取不同尺度的信息；S2对于鉴别器，使用了多尺度的对抗鉴别网络PATCHGAN；所述网络结构：经过每一层的卷积输出被保存用于计算损失，流程如式1表示,out为网络最终输出：out＝concatconv1,conv2,conv3,conv41；S3构建好生成器和鉴别器后，设定迭代次数为10000，生成器学习率为10‑4，鉴别器学习率设为2*10‑4；训练时，生成器先迭代一次，接着鉴别器迭代一次，如此循环迭代训练。

主权项：1.一种基于深度学习的图像去噪方法，其特征在于，所述方法包括基于对抗学习的神经网络，所述网络包括：噪声图像输入，通过生成器输出，生成假的干净图像，与真实干净图像一同输入到鉴别器；所述方法进一步包括以下步骤：S1：基于Unet网络结构基础上进行生成器的改进，即将普通的卷积结构替换成密集残差结构，所述密集残差结构由三个不同输出通道数的卷积conv1、conv2、conv3构成，conv1、conv2、conv3设定通道数分别为原输入通道的12，32，3，卷积核kernel_size均为3；对于所述生成器使用了密集残差块以及空间注意力机制和通道注意力机制相结合的模块提取不同尺度的信息，其中，通道注意力机制模块中sigmoid为激活函数，空间注意力机制模块通过所述通道注意力机制模块输入的特征为F1，则结合后的特征输出为Fout，具体如公式：Fout＝spatial_blockchannel_blockF1；S2：对于鉴别器，使用了多尺度对抗鉴别网络PATCHGAN；所述网络PATCHGAN结构为：经过每一层的卷积输出被保存用于计算损失，整个流程如式1表示，out为网络最终输出：out＝concatconv1,conv2,conv3,conv41；S3：构建好生成器和鉴别器后，设定迭代次数为10000，生成器学习率为10-4，鉴别器学习率设为2*10-4；训练时，生成器先迭代一次，接着鉴别器迭代一次，如此循环迭代训练。

全文数据：

权利要求：

百度查询： 合肥君正科技有限公司 一种基于深度学习的图像去噪方法