[发明专利]基于多视角的卷积神经网络的图像去噪方法

权利要求书

1.一种基于多视角的卷积神经网络的图像去噪方法，其特征在于，包含如下步骤进行：

1)将原图像用FFT算法提取特征后，再进行图像重构，将重构后图像与原图像分块后共同作为去噪网络的输入；

2)重构后图像与原图像分块经过去噪网络，将FFT对应的网络输出与原图像对应网络输出进行相加后，输出去噪的干净图像；

所述的去噪网络有19层组成，第1层由卷积层和ReLU组成的；第2-18层由卷积层，INBN和GF函数组成，第19层由卷积层组成；经过去噪网络处理，将得到的FFT对应的网络输出与原图像对应网络输出进行相加后，作为第19层卷积层的输入；

所述的INBN层是一个卷积层的通道一半经过IN，另一半经过BN之后再通过+操作合并到一起；其中IN的表示如式(1)：

式(1)中，μ为平均值，σ是标准差，ε是常数，H是高度W是深度；

BN的表示如式(2)所示：

(2)代表平均值(3)代表方差(4)代表归一化(5)代表数据重构。

2.根据权利要求1所述的基于多视角的卷积神经网络的图像去噪方法，其特征在于：所述的网络的输入大小为256×1×40×40，输出大小为256×1×40×40，卷积大小为3×3，其中256×1×40×40代表batchsize为256，输出通道为1，高度和宽度为40。

3.根据权利要求1所述的基于多视角的卷积神经网络的图像去噪方法，其特征在于：所述的GF函数为GF(x)＝ReLU(x)×Tanh(x)，其中ReLU为φ(x)＝max(0,x)，ReLU的作用，是对数据进行非线性变换，增加数据的非线性表征能力，其中，tanh(x)为

4.根据权利要求1所述的基于多视角的卷积神经网络的图像去噪方法，其特征在于：使用Smooth函数作为目标函数来训练去噪模型，Smooth函数如式(6)所示：