CN106408522A - 一种基于卷积对神经网络的图像去噪方法 - Google Patents
一种基于卷积对神经网络的图像去噪方法 Download PDFInfo
- Publication number
- CN106408522A CN106408522A CN201610481466.7A CN201610481466A CN106408522A CN 106408522 A CN106408522 A CN 106408522A CN 201610481466 A CN201610481466 A CN 201610481466A CN 106408522 A CN106408522 A CN 106408522A
- Authority
- CN
- China
- Prior art keywords
- image
- convolution
- neural network
- network model
- denoising
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013528 artificial neural network Methods 0.000 title abstract description 8
- 238000003062 neural network model Methods 0.000 claims abstract description 61
- 238000012549 training Methods 0.000 claims abstract description 40
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 239000011248 coating agent Substances 0.000 claims description 11
- 238000000576 coating method Methods 0.000 claims description 11
- 230000007935 neutral effect Effects 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 7
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 210000004218 nerve net Anatomy 0.000 claims description 3
- 238000003475 lamination Methods 0.000 claims 2
- 239000012141 concentrate Substances 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 22
- 230000004913 activation Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 238000001914 filtration Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 229910017435 S2 In Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610481466.7A CN106408522A (zh) | 2016-06-27 | 2016-06-27 | 一种基于卷积对神经网络的图像去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610481466.7A CN106408522A (zh) | 2016-06-27 | 2016-06-27 | 一种基于卷积对神经网络的图像去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106408522A true CN106408522A (zh) | 2017-02-15 |
Family
ID=58006657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610481466.7A Pending CN106408522A (zh) | 2016-06-27 | 2016-06-27 | 一种基于卷积对神经网络的图像去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106408522A (zh) |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875361A (zh) * | 2017-02-17 | 2017-06-20 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络去除泊松噪声的方法 |
CN107103285A (zh) * | 2017-03-24 | 2017-08-29 | 深圳市未来媒体技术研究院 | 基于卷积神经网络的人脸深度预测方法 |
CN107194893A (zh) * | 2017-05-22 | 2017-09-22 | 西安电子科技大学 | 基于卷积神经网络的深度图像超分辨方法 |
CN107516304A (zh) * | 2017-09-07 | 2017-12-26 | 广东工业大学 | 一种图像去噪方法及装置 |
CN108197337A (zh) * | 2018-03-28 | 2018-06-22 | 北京搜狐新媒体信息技术有限公司 | 一种文本分类方法及装置 |
CN108416755A (zh) * | 2018-03-20 | 2018-08-17 | 南昌航空大学 | 一种基于深度学习的图像去噪方法及系统 |
CN108765308A (zh) * | 2018-04-25 | 2018-11-06 | 西安科技大学 | 一种基于卷积模板的图像去噪方法 |
CN108805840A (zh) * | 2018-06-11 | 2018-11-13 | Oppo(重庆)智能科技有限公司 | 图像去噪的方法、装置、终端及计算机可读存储介质 |
CN109003240A (zh) * | 2018-07-16 | 2018-12-14 | 安徽理工大学 | 一种基于多尺度并行cnn的图像去噪方法 |
CN109146824A (zh) * | 2018-09-27 | 2019-01-04 | 福州瑞芯微电子股份有限公司 | 一种图像降噪处理方法及一种存储设备 |
CN109214990A (zh) * | 2018-07-02 | 2019-01-15 | 广东工业大学 | 一种基于Inception模型的深度卷积神经网络图像去噪方法 |
CN109345609A (zh) * | 2018-08-31 | 2019-02-15 | 天津大学 | 基于卷积神经网络进行壁画图像去噪和线描画生成的方法 |
CN109544476A (zh) * | 2018-11-21 | 2019-03-29 | 红相股份有限公司 | 一种基于深度学习的电力设备红外图像去噪方法 |
CN109559281A (zh) * | 2017-09-26 | 2019-04-02 | 三星电子株式会社 | 图像去噪神经网络架构及其训练方法 |
CN109636746A (zh) * | 2018-11-30 | 2019-04-16 | 上海皓桦科技股份有限公司 | 图像噪声去除系统、方法及设备 |
CN109685743A (zh) * | 2018-12-30 | 2019-04-26 | 陕西师范大学 | 基于噪声学习神经网络模型的图像混合噪声消除方法 |
CN109740745A (zh) * | 2018-12-14 | 2019-05-10 | 南京理工大学 | 一种用于构造高维卷积加速神经网络的方法 |
CN109785254A (zh) * | 2018-12-29 | 2019-05-21 | 努比亚技术有限公司 | 图片降噪方法、图片降噪模型生成方法、终端及存储介质 |
CN110120019A (zh) * | 2019-04-26 | 2019-08-13 | 电子科技大学 | 一种基于特征增强的残差神经网络及图像去块效应方法 |
CN110211069A (zh) * | 2019-06-03 | 2019-09-06 | 广东工业大学 | 一种图像去噪模型及训练方法、系统、设备、计算机介质 |
CN110313928A (zh) * | 2018-03-29 | 2019-10-11 | 西门子医疗有限公司 | 用于确定放射性结果数据的分析方法和分析单元 |
CN110619607A (zh) * | 2018-06-20 | 2019-12-27 | 浙江大学 | 基于神经网络的图像去噪方法及装置和基于神经网络图像去噪的图像编解码方法及装置 |
CN110738616A (zh) * | 2019-10-12 | 2020-01-31 | 成都考拉悠然科技有限公司 | 一种具有细节信息学习能力的图像去噪方法 |
CN110852961A (zh) * | 2019-10-28 | 2020-02-28 | 北京影谱科技股份有限公司 | 一种基于卷积神经网络的实时视频去噪方法及系统 |
CN111292260A (zh) * | 2020-01-17 | 2020-06-16 | 四川翼飞视科技有限公司 | 一种进化神经网络的构建方法及基于进化神经网络的高光谱图像去噪方法 |
WO2020186765A1 (zh) * | 2019-03-19 | 2020-09-24 | 深圳市商汤科技有限公司 | 视频处理方法、装置以及计算机存储介质 |
CN111753730A (zh) * | 2020-06-24 | 2020-10-09 | 国网电子商务有限公司 | 一种图像审查方法及装置 |
CN111915513A (zh) * | 2020-07-10 | 2020-11-10 | 河海大学 | 一种基于改进的自适应神经网络的图像去噪方法 |
CN112308785A (zh) * | 2019-08-01 | 2021-02-02 | 武汉Tcl集团工业研究院有限公司 | 图像去噪方法、存储介质及终端设备 |
CN113034373A (zh) * | 2019-12-24 | 2021-06-25 | 无锡祥生医疗科技股份有限公司 | 超声图像去噪神经网络、去噪方法及超声诊断设备 |
CN113112424A (zh) * | 2021-04-08 | 2021-07-13 | 深圳思谋信息科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113469911A (zh) * | 2021-06-29 | 2021-10-01 | 展讯通信(上海)有限公司 | 图像去噪方法及装置、计算机可读存储介质、终端 |
CN113724841A (zh) * | 2017-11-08 | 2021-11-30 | 上海联影医疗科技股份有限公司 | 用于降低辐射剂量的系统和方法 |
CN113837959A (zh) * | 2021-09-15 | 2021-12-24 | 山东师范大学 | 图像去噪模型训练方法、图像去噪方法及系统 |
CN114219820A (zh) * | 2021-12-08 | 2022-03-22 | 苏州工业园区智在天下科技有限公司 | 神经网络的生成方法、去噪方法及其装置 |
CN115760655A (zh) * | 2022-11-07 | 2023-03-07 | 贵州大学 | 一种基于大数据技术的干涉阵列成图方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820974A (zh) * | 2015-05-14 | 2015-08-05 | 浙江科技学院 | 基于elm的图像去噪方法 |
-
2016
- 2016-06-27 CN CN201610481466.7A patent/CN106408522A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104820974A (zh) * | 2015-05-14 | 2015-08-05 | 浙江科技学院 | 基于elm的图像去噪方法 |
Non-Patent Citations (3)
Title |
---|
AADITYA PRAKASH: "One by One [ 1 x 1 ] Convolution - counter-intuitively useful", 《HTTPS://IAMAADITYA.GITHUB.IO/2016/03/ONE-BY-ONE-CONVOLUTION》 * |
VIREN JAIN: "Natural image denoising with convolutional networks", 《THE 21ST INTERNATIONAL CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS》 * |
YANGWEI WU: "《Springer International Publishing Switzerland》", 31 December 2014 * |
Cited By (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875361B (zh) * | 2017-02-17 | 2019-06-04 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络去除泊松噪声的方法 |
CN106875361A (zh) * | 2017-02-17 | 2017-06-20 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络去除泊松噪声的方法 |
CN107103285B (zh) * | 2017-03-24 | 2020-03-03 | 深圳市未来媒体技术研究院 | 基于卷积神经网络的人脸深度预测方法 |
CN107103285A (zh) * | 2017-03-24 | 2017-08-29 | 深圳市未来媒体技术研究院 | 基于卷积神经网络的人脸深度预测方法 |
CN107194893A (zh) * | 2017-05-22 | 2017-09-22 | 西安电子科技大学 | 基于卷积神经网络的深度图像超分辨方法 |
CN107516304A (zh) * | 2017-09-07 | 2017-12-26 | 广东工业大学 | 一种图像去噪方法及装置 |
CN109559281A (zh) * | 2017-09-26 | 2019-04-02 | 三星电子株式会社 | 图像去噪神经网络架构及其训练方法 |
CN109559281B (zh) * | 2017-09-26 | 2023-12-08 | 三星电子株式会社 | 图像去噪神经网络架构及其训练方法 |
CN113724841A (zh) * | 2017-11-08 | 2021-11-30 | 上海联影医疗科技股份有限公司 | 用于降低辐射剂量的系统和方法 |
CN108416755A (zh) * | 2018-03-20 | 2018-08-17 | 南昌航空大学 | 一种基于深度学习的图像去噪方法及系统 |
CN108197337A (zh) * | 2018-03-28 | 2018-06-22 | 北京搜狐新媒体信息技术有限公司 | 一种文本分类方法及装置 |
CN110313928A (zh) * | 2018-03-29 | 2019-10-11 | 西门子医疗有限公司 | 用于确定放射性结果数据的分析方法和分析单元 |
CN110313928B (zh) * | 2018-03-29 | 2023-10-10 | 西门子医疗有限公司 | 用于确定放射性结果数据的分析方法和分析单元 |
US11918398B2 (en) | 2018-03-29 | 2024-03-05 | Siemens Healthineers Ag | Analysis method and analysis unit for determining radiological result data |
CN108765308B (zh) * | 2018-04-25 | 2022-02-18 | 西安科技大学 | 一种基于卷积模板的图像去噪方法 |
CN108765308A (zh) * | 2018-04-25 | 2018-11-06 | 西安科技大学 | 一种基于卷积模板的图像去噪方法 |
CN108805840A (zh) * | 2018-06-11 | 2018-11-13 | Oppo(重庆)智能科技有限公司 | 图像去噪的方法、装置、终端及计算机可读存储介质 |
CN108805840B (zh) * | 2018-06-11 | 2021-03-26 | Oppo(重庆)智能科技有限公司 | 图像去噪的方法、装置、终端及计算机可读存储介质 |
CN110619607B (zh) * | 2018-06-20 | 2022-04-15 | 浙江大学 | 图像去噪和包含图像去噪的图像编解码方法及装置 |
CN110619607A (zh) * | 2018-06-20 | 2019-12-27 | 浙江大学 | 基于神经网络的图像去噪方法及装置和基于神经网络图像去噪的图像编解码方法及装置 |
CN109214990A (zh) * | 2018-07-02 | 2019-01-15 | 广东工业大学 | 一种基于Inception模型的深度卷积神经网络图像去噪方法 |
CN109003240B (zh) * | 2018-07-16 | 2021-07-27 | 安徽理工大学 | 一种基于多尺度并行cnn的图像去噪方法 |
CN109003240A (zh) * | 2018-07-16 | 2018-12-14 | 安徽理工大学 | 一种基于多尺度并行cnn的图像去噪方法 |
CN109345609B (zh) * | 2018-08-31 | 2023-04-18 | 天津大学 | 基于卷积神经网络进行壁画图像去噪和线描画生成的方法 |
CN109345609A (zh) * | 2018-08-31 | 2019-02-15 | 天津大学 | 基于卷积神经网络进行壁画图像去噪和线描画生成的方法 |
CN109146824A (zh) * | 2018-09-27 | 2019-01-04 | 福州瑞芯微电子股份有限公司 | 一种图像降噪处理方法及一种存储设备 |
CN109544476A (zh) * | 2018-11-21 | 2019-03-29 | 红相股份有限公司 | 一种基于深度学习的电力设备红外图像去噪方法 |
CN109636746B (zh) * | 2018-11-30 | 2020-09-08 | 上海皓桦科技股份有限公司 | 图像噪声去除系统、方法及设备 |
CN109636746A (zh) * | 2018-11-30 | 2019-04-16 | 上海皓桦科技股份有限公司 | 图像噪声去除系统、方法及设备 |
CN109740745A (zh) * | 2018-12-14 | 2019-05-10 | 南京理工大学 | 一种用于构造高维卷积加速神经网络的方法 |
CN109785254A (zh) * | 2018-12-29 | 2019-05-21 | 努比亚技术有限公司 | 图片降噪方法、图片降噪模型生成方法、终端及存储介质 |
CN109685743A (zh) * | 2018-12-30 | 2019-04-26 | 陕西师范大学 | 基于噪声学习神经网络模型的图像混合噪声消除方法 |
CN109685743B (zh) * | 2018-12-30 | 2023-01-17 | 陕西师范大学 | 基于噪声学习神经网络模型的图像混合噪声消除方法 |
WO2020186765A1 (zh) * | 2019-03-19 | 2020-09-24 | 深圳市商汤科技有限公司 | 视频处理方法、装置以及计算机存储介质 |
CN110120019B (zh) * | 2019-04-26 | 2023-03-28 | 电子科技大学 | 一种基于特征增强的残差神经网络及图像去块效应方法 |
CN110120019A (zh) * | 2019-04-26 | 2019-08-13 | 电子科技大学 | 一种基于特征增强的残差神经网络及图像去块效应方法 |
CN110211069A (zh) * | 2019-06-03 | 2019-09-06 | 广东工业大学 | 一种图像去噪模型及训练方法、系统、设备、计算机介质 |
CN112308785A (zh) * | 2019-08-01 | 2021-02-02 | 武汉Tcl集团工业研究院有限公司 | 图像去噪方法、存储介质及终端设备 |
CN112308785B (zh) * | 2019-08-01 | 2024-05-28 | 武汉Tcl集团工业研究院有限公司 | 图像去噪方法、存储介质及终端设备 |
CN110738616A (zh) * | 2019-10-12 | 2020-01-31 | 成都考拉悠然科技有限公司 | 一种具有细节信息学习能力的图像去噪方法 |
CN110738616B (zh) * | 2019-10-12 | 2020-06-26 | 成都考拉悠然科技有限公司 | 一种具有细节信息学习能力的图像去噪方法 |
CN110852961A (zh) * | 2019-10-28 | 2020-02-28 | 北京影谱科技股份有限公司 | 一种基于卷积神经网络的实时视频去噪方法及系统 |
CN113034373A (zh) * | 2019-12-24 | 2021-06-25 | 无锡祥生医疗科技股份有限公司 | 超声图像去噪神经网络、去噪方法及超声诊断设备 |
CN111292260A (zh) * | 2020-01-17 | 2020-06-16 | 四川翼飞视科技有限公司 | 一种进化神经网络的构建方法及基于进化神经网络的高光谱图像去噪方法 |
CN111753730A (zh) * | 2020-06-24 | 2020-10-09 | 国网电子商务有限公司 | 一种图像审查方法及装置 |
CN111915513A (zh) * | 2020-07-10 | 2020-11-10 | 河海大学 | 一种基于改进的自适应神经网络的图像去噪方法 |
CN113112424A (zh) * | 2021-04-08 | 2021-07-13 | 深圳思谋信息科技有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113469911A (zh) * | 2021-06-29 | 2021-10-01 | 展讯通信(上海)有限公司 | 图像去噪方法及装置、计算机可读存储介质、终端 |
CN113469911B (zh) * | 2021-06-29 | 2022-10-11 | 展讯通信(上海)有限公司 | 图像去噪方法及装置、计算机可读存储介质、终端 |
CN113837959A (zh) * | 2021-09-15 | 2021-12-24 | 山东师范大学 | 图像去噪模型训练方法、图像去噪方法及系统 |
CN113837959B (zh) * | 2021-09-15 | 2024-04-09 | 山东师范大学 | 图像去噪模型训练方法、图像去噪方法及系统 |
CN114219820A (zh) * | 2021-12-08 | 2022-03-22 | 苏州工业园区智在天下科技有限公司 | 神经网络的生成方法、去噪方法及其装置 |
CN115760655A (zh) * | 2022-11-07 | 2023-03-07 | 贵州大学 | 一种基于大数据技术的干涉阵列成图方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106408522A (zh) | 一种基于卷积对神经网络的图像去噪方法 | |
CN106204468B (zh) | 一种基于ReLU卷积神经网络的图像去噪方法 | |
CN110473154B (zh) | 一种基于生成对抗网络的图像去噪方法 | |
CN114140353B (zh) | 一种基于通道注意力的Swin-Transformer图像去噪方法及系统 | |
CN106204467A (zh) | 一种基于级联残差神经网络的图像去噪方法 | |
CN111062872B (zh) | 一种基于边缘检测的图像超分辨率重建方法及系统 | |
CN106228512A (zh) | 基于学习率自适应的卷积神经网络图像超分辨率重建方法 | |
CN108416755A (zh) | 一种基于深度学习的图像去噪方法及系统 | |
CN109214990A (zh) | 一种基于Inception模型的深度卷积神经网络图像去噪方法 | |
Zhang et al. | Self-supervised image denoising for real-world images with context-aware transformer | |
CN101980284A (zh) | 基于两尺度稀疏表示的彩色图像降噪方法 | |
CN107644401A (zh) | 基于深度神经网络的乘性噪声去除方法 | |
CN111598761A (zh) | 一种基于图像降噪的抗打印拍摄图像数字水印方法 | |
CN109035142A (zh) | 一种对抗网络结合航拍图像先验的卫星图像超分辨方法 | |
CN104992415B (zh) | 一种基于全变差和小波变换的图像去噪方法及系统 | |
CN112634146A (zh) | 基于多种注意力机制的多通道cnn医学ct图像去噪方法 | |
CN109858487A (zh) | 基于分水岭算法和图像类别标签的弱监督语义分割方法 | |
CN107784628A (zh) | 一种基于重建优化和深度神经网络的超分辨率实现方法 | |
CN110503610A (zh) | 一种基于gan网络的图像雨雪痕迹去除方法 | |
CN116416156A (zh) | 一种基于Swin Transformer的医学图像去噪方法 | |
CN115082336A (zh) | 一种基于机器学习的sar图像相干斑抑制方法 | |
CN113920421B (zh) | 一种快速分类的全卷积神经网络模型 | |
CN110322407A (zh) | 基于深度残差网络的图像椒盐噪声去除方法 | |
CN111260706B (zh) | 一种基于单目相机的稠密深度图计算方法 | |
CN112927137A (zh) | 一种用于获取盲超分辨率图像的方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Yongbing Inventor after: Ji Xiangyang Inventor after: Sun Lulu Inventor after: Wang Haoqian Inventor after: Wang Xingzheng Inventor after: Li Lihua Inventor after: Dai Qionghai Inventor before: Zhang Yongbing Inventor before: Sun Lulu Inventor before: Wang Haoqian Inventor before: Wang Xingzheng Inventor before: Li Lihua Inventor before: Dai Qionghai |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |