[发明专利]用于图像去噪声的自适应可变形核预测网络

权利要求书

1.一种通过在计算引擎上实现的卷积神经网络对图像去噪声的方法，所述图像包括多个像素，所述方法包括：

对于所述图像的所述多个像素中的每一个，

对于所述像素生成具有多个核值的卷积核；

对于所述像素生成多个偏移，所述多个偏移分别对应于多个核值，所述多个偏移中的每一个用于指示从所述像素的像素位置的偏离量；

基于所述像素的像素位置和所述多个偏移来确定多个偏离的像素位置；以及

利用所述卷积核和所述多个偏离的像素位置的像素值来对所述像素滤波，以获得去噪声的像素。

2.如权利要求1所述的方法，其特征在于，所述多个偏移中的每一个包括位置值以用于指示从所述像素的像素位置的偏离量。

3.如权利要求2所述的方法，其特征在于，所述位置值包括浮点值。

4.如权利要求1所述的方法，其特征在于，对于所述图像的至少两个像素的所述多个核值是不同的。

5.如权利要求1所述的方法，其特征在于，对于所述图像的至少两个像素的所述多个偏移是不同的。

6.如权利要求1所述的方法，其特征在于，所述多个偏移是在所述卷积核生成之前或与所述卷积核生成同时生成的。

7.如权利要求1所述的方法，其特征在于，利用所述卷积核和所述多个偏离的像素位置的像素值来对所述像素滤波包括：

将所述卷积核的多个核值应用于所述多个偏离的像素位置的像素值，以获得所述像素值的加权平均值。

8.如权利要求1所述的方法，其特征在于，所述偏离量的上限是预定义的。

9.如权利要求1所述的方法，其特征在于，所述卷积核的核尺寸被预分配为3×3、5×5、7×7、……和(2n-1)×(2n-1)中的一个，其中n是正整数，n＝2且nmin(floor(W/2),floor(H/2))，W和H是所述图像的宽度和高度。

10.一种用于对图像去噪声的装置，包括：

数据存储，用于存储包括图像的数据，所述图像包括多个像素；以及

计算引擎，耦合至所述数据存储，所述计算引擎用于通过卷积神经网络对所述图像去噪声，所述计算引擎用于：

对于所述图像的所述多个像素中的每一个，

对于所述像素生成具有多个核值的卷积核；

对于所述像素生成多个偏移，所述多个偏移分别对应于所述多个核值，所述多个偏移中的每一个用于指示从所述像素的像素位置的偏离量；

基于所述像素的像素位置和所述多个偏移来确定多个偏离的像素位置；以及

利用所述卷积核和所述多个偏离的像素位置的像素值来对所述像素滤波，以获得去噪声的像素。

11.如权利要求10所述的装置，其特征在于，所述多个偏移中的每一个包括位置值以用于指示从所述像素的像素位置的偏离量。

12.如权利要求11所述的装置，其特征在于，所述位置值包括浮点值。

13.如权利要求10所述的装置，其特征在于，对于所述图像的至少两个像素的所述多个核值是不同的。

14.如权利要求10所述的装置，其特征在于，对于所述图像的至少两个像素的所述多个偏移是不同的。

15.如权利要求10所述的装置，其特征在于，所述多个偏移是在所述卷积核生成之前或与所述卷积核生成同时生成的。