[发明专利]一种基于空洞化的核预测网络的单图像去噪方法和装置

权利要求书

1.一种基于空洞化的核预测网络的单图像去噪方法，其特征在于，包括以下步骤：

构建包含特征提取模块、特征压缩模块、核预测模块以及图像重建模块的基于空洞化的核预测网络，其中，核预测模块包括至少3个不同空洞步长且用于产生分支预测卷积核的空洞分支、和用于融合所有分支预测卷积核的核融合操作以得到预测卷积核；

对空洞化的核预测网络进行参数优化后备用；

应用时，将噪声图像输入至参数优化后的基于空洞化的核预测网络，利用特征提取模块从噪声图像中提取高级特征图，利用特征压缩模块将高级特征图压缩成压缩特征图，利用核预测模块根据高级特征图提取预测卷积核，利用图像重建模块基于预测卷积核和压缩特征图获得预测图后与噪声图像融合，得到去噪后图像。

2.如权利要求1所述的基于空洞化的核预测网络的单图像去噪方法，其特征在于，所述特征提取模块包括若干卷积层和若干残差模块，用于从噪声图像中提取包含多个通道的高级特征图，所述残差模块包括卷积层、线性整流函数和点加操作。

3.如权利要求1所述的基于空洞化的核预测网络的单图像去噪方法，其特征在于，所述特征压缩模块包括至少一个卷积层，用于对高级特征图进行压缩，得到与噪声图像通道数相同的压缩特征图。

4.如权利要求1所述的基于空洞化的核预测网络的单图像去噪方法，其特征在于，所述核预测模块包括3个不同空洞步长的空洞分支，每个空洞分支用于产生各自的分支预测卷积核，还包括核融合操作，用于融合所有分支预测卷积核得到预测卷积核。

5.如权利要求1或4所述的基于空洞化的核预测网络的单图像去噪方法，其特征在于，每个空洞分支包括若干个空洞残差块和至少一个卷积层，用于从高级特征图中提取分支预测卷积核，所述空洞残差块包括空洞卷积层、线性整流函数和点加操作。

6.如权利要求1或4所述的基于空洞化的核预测网络的单图像去噪方法，其特征在于，所述核融合操作包括将所有分支预测卷积核在通道维度上拼接后，再利用卷积层压缩通道数得到最终的预测卷积核。

7.如权利要求1所述的基于空洞化的核预测网络的单图像去噪方法，其特征在于，所述图像重建模块包括逐像素卷积操作、至少一个卷积层以及点加操作，逐像素卷积操作用于将输入的预测卷积核作用于压缩特征图以得到预测图，卷积层用于将预测图转换成噪声残差图像，点加操作用于将噪声残差图像和噪声图像融合得到去噪后图像。

8.如权利要求1所述的基于空洞化的核预测网络的单图像去噪方法，其特征在于，在对空洞化的核预测网络进行参数优化时，将包含有固定噪声水平的干净图像与噪声图像的训练样本对输入至空洞化的核预测网络中，采用均方差误差损失函数作为损失函数，进行端到端的网络训练。

9.如权利要求8所述的基于空洞化的核预测网络的单图像去噪方法，其特征在于，训练样本对的构建过程为：选取干净图像，生成固定噪声水平的噪声，并将噪声添加到干净图像上获得噪声图像，该噪声图像和干净图像构成训练样本对；单次训练只涉及一个噪声水平。

10.一种基于空洞化的核预测网络的单图像去噪装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机处理器执行所述计算机程序时实现权利要求1~9任一项所述的基于空洞化的核预测网络的单图像去噪方法。