[发明专利]一种基于Inception模型的深度卷积神经网络图像去噪方法在审
| 申请号： | 201810710373.6 | 申请日： | 2018-07-02 |
| 公开（公告）号： | CN109214990A | 公开（公告）日： | 2019-01-15 |
| 发明（设计）人： | 李敏;叶鼎;章国豪;刘怡俊;胡晓敏 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T7/10;G06N3/04 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及图像处理的技术领域，更具体地，涉及一种基于Inception模型的深度卷积神经网络图像去噪方法，包括：选取数据集，对数据进行预处理；搭建含一层Inception模型的训练网络；设置网络求解参数，选择合适的监督框架；最优设定网络结构参数，并使用求得的网络进行去噪。本发明的基于Inception模型的深度卷积神经网络图像去噪方法，以深度卷积神经网络为基础，结合高斯白噪声模拟未知的真实噪音和含Inception模型的网络能在保持原有的去噪效果的基础上降低参数量；通过数据扩张的方式，使训练数据的内容更丰富，保证神经网络能够学习到图像分布或噪声的内部结构；通过引入残差结构，使得网络更容易收敛，且效果最佳。 | ||
| 搜索关键词： | 卷积神经网络 图像去噪 去噪 网络 预处理 高斯白噪声 求解参数 神经网络 数据扩张 图像处理 图像分布 网络结构 训练数据 训练网络 数据集 原有的 残差 噪声 收敛 噪音 引入 保证 监督 学习 | ||
【主权项】：
1.一种基于Inception模型的深度卷积神经网络图像去噪方法，其特征在于，包括以下步骤：S1.在源图像集中选择数据集，对数据集中的数据进行预处理得到用作输入的含噪灰度图像；S2.搭建设有Inception模型层的深度卷积神经网络并进行训练，以步骤S1中所述的含噪灰度图像作为输入，采用高斯白噪声模拟真实噪声，经所述深度卷积神经网络去噪，输出为去噪图像；S3.将步骤S2中所述的去噪图像和实际清晰图像输入到监督框架中，求得去噪图像与实际清晰图像的差距，并通过反向迭代算法优化步骤S2所述深度卷积神经网络以减小损失函数；S4.将含噪灰度图像输入到经高斯白噪声训练得到的深度卷积神经网络中，输出得到去噪图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810710373.6/，转载请声明来源钻瓜专利网。
