CN111080541A - 基于比特分层和注意力融合机制的彩色图像去噪方法 - Google Patents
基于比特分层和注意力融合机制的彩色图像去噪方法 Download PDFInfo
- Publication number
- CN111080541A CN111080541A CN201911242929.4A CN201911242929A CN111080541A CN 111080541 A CN111080541 A CN 111080541A CN 201911242929 A CN201911242929 A CN 201911242929A CN 111080541 A CN111080541 A CN 111080541A
- Authority
- CN
- China
- Prior art keywords
- network
- layer
- bit
- color image
- layering
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000007246 mechanism Effects 0.000 title claims abstract description 21
- 230000004927 fusion Effects 0.000 title claims abstract description 12
- 238000011176 pooling Methods 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
Description
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911242929.4A CN111080541B (zh) | 2019-12-06 | 2019-12-06 | 基于比特分层和注意力融合机制的彩色图像去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911242929.4A CN111080541B (zh) | 2019-12-06 | 2019-12-06 | 基于比特分层和注意力融合机制的彩色图像去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111080541A true CN111080541A (zh) | 2020-04-28 |
CN111080541B CN111080541B (zh) | 2020-10-30 |
Family
ID=70313117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911242929.4A Active CN111080541B (zh) | 2019-12-06 | 2019-12-06 | 基于比特分层和注意力融合机制的彩色图像去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080541B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738956A (zh) * | 2020-06-24 | 2020-10-02 | 哈尔滨工业大学 | 一种基于特征调制的图像去噪系统 |
CN111814711A (zh) * | 2020-07-15 | 2020-10-23 | 中国矿业大学 | 一种应用于矿井机器视觉的图像特征快速匹配方法及系统 |
CN112233038A (zh) * | 2020-10-23 | 2021-01-15 | 广东启迪图卫科技股份有限公司 | 基于多尺度融合及边缘增强的真实图像去噪方法 |
CN112363216A (zh) * | 2020-08-19 | 2021-02-12 | 中国石油大学(华东) | 基于注意力机制的地震数据去噪方法 |
CN112967195A (zh) * | 2021-03-04 | 2021-06-15 | 浙江大华技术股份有限公司 | 一种图像去噪方法、设备及计算机可读存储介质 |
CN112966611A (zh) * | 2021-03-09 | 2021-06-15 | 中国科学技术大学 | 一种dwt注意机制的能量迹噪声自适应方法 |
CN113066033A (zh) * | 2021-04-19 | 2021-07-02 | 智领高新科技发展(北京)有限公司 | 一种彩色图像的多阶段去噪系统及方法 |
CN113421299A (zh) * | 2021-06-25 | 2021-09-21 | 南京云创大数据科技股份有限公司 | 一种基于水位计和摄像机的水深测定系统和方法 |
CN113643202A (zh) * | 2021-07-29 | 2021-11-12 | 西安理工大学 | 一种基于噪声注意力图指导的微光图像增强方法 |
CN114663310A (zh) * | 2022-03-24 | 2022-06-24 | 重庆邮电大学 | 一种基于多注意力融合的超声图像去噪方法 |
CN116385316A (zh) * | 2023-06-01 | 2023-07-04 | 深圳市嘉润原新显科技有限公司 | 多目标图像动态捕捉方法及相关装置 |
CN116468619A (zh) * | 2023-03-01 | 2023-07-21 | 山东省人工智能研究院 | 一种基于多特征反馈融合的医学影像去噪方法 |
CN117611484A (zh) * | 2024-01-19 | 2024-02-27 | 武汉大学 | 一种基于去噪自解码网络的图像去噪方法及系统 |
CN117726823A (zh) * | 2023-11-22 | 2024-03-19 | 西安工业大学 | 一种单幅干涉条纹归一化方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416752A (zh) * | 2018-03-12 | 2018-08-17 | 中山大学 | 一种基于生成式对抗网络进行图像去运动模糊的方法 |
CN108664632A (zh) * | 2018-05-15 | 2018-10-16 | 华南理工大学 | 一种基于卷积神经网络和注意力机制的文本情感分类算法 |
CN108765296A (zh) * | 2018-06-12 | 2018-11-06 | 桂林电子科技大学 | 一种基于递归残差注意力网络的图像超分辨率重建方法 |
CN109447008A (zh) * | 2018-11-02 | 2019-03-08 | 中山大学 | 基于注意力机制和可变形卷积神经网络的人群分析方法 |
CN109685831A (zh) * | 2018-12-20 | 2019-04-26 | 山东大学 | 基于残差分层注意力和相关性滤波器的目标跟踪方法及系统 |
CN109871905A (zh) * | 2019-03-14 | 2019-06-11 | 同济大学 | 一种基于注意力机制深度模型的植物叶片识别方法 |
CN109977961A (zh) * | 2019-03-04 | 2019-07-05 | 清华大学 | 基于分层注意力机制的二值特征学习方法及系统 |
CN110120020A (zh) * | 2019-04-30 | 2019-08-13 | 西北工业大学 | 一种基于多尺度空洞残差注意力网络的sar图像去噪方法 |
CN110222821A (zh) * | 2019-05-30 | 2019-09-10 | 浙江大学 | 基于权重分布的卷积神经网络低位宽量化方法 |
KR20190113119A (ko) * | 2018-03-27 | 2019-10-08 | 삼성전자주식회사 | 합성곱 신경망을 위한 주의집중 값 계산 방법 |
KR102013777B1 (ko) * | 2018-12-12 | 2019-10-21 | 한국과학기술정보연구원 | 동영상 왜곡 복원 방법 및 이를 적용한 장치 |
-
2019
- 2019-12-06 CN CN201911242929.4A patent/CN111080541B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108416752A (zh) * | 2018-03-12 | 2018-08-17 | 中山大学 | 一种基于生成式对抗网络进行图像去运动模糊的方法 |
KR20190113119A (ko) * | 2018-03-27 | 2019-10-08 | 삼성전자주식회사 | 합성곱 신경망을 위한 주의집중 값 계산 방법 |
CN108664632A (zh) * | 2018-05-15 | 2018-10-16 | 华南理工大学 | 一种基于卷积神经网络和注意力机制的文本情感分类算法 |
CN108765296A (zh) * | 2018-06-12 | 2018-11-06 | 桂林电子科技大学 | 一种基于递归残差注意力网络的图像超分辨率重建方法 |
CN109447008A (zh) * | 2018-11-02 | 2019-03-08 | 中山大学 | 基于注意力机制和可变形卷积神经网络的人群分析方法 |
KR102013777B1 (ko) * | 2018-12-12 | 2019-10-21 | 한국과학기술정보연구원 | 동영상 왜곡 복원 방법 및 이를 적용한 장치 |
CN109685831A (zh) * | 2018-12-20 | 2019-04-26 | 山东大学 | 基于残差分层注意力和相关性滤波器的目标跟踪方法及系统 |
CN109977961A (zh) * | 2019-03-04 | 2019-07-05 | 清华大学 | 基于分层注意力机制的二值特征学习方法及系统 |
CN109871905A (zh) * | 2019-03-14 | 2019-06-11 | 同济大学 | 一种基于注意力机制深度模型的植物叶片识别方法 |
CN110120020A (zh) * | 2019-04-30 | 2019-08-13 | 西北工业大学 | 一种基于多尺度空洞残差注意力网络的sar图像去噪方法 |
CN110222821A (zh) * | 2019-05-30 | 2019-09-10 | 浙江大学 | 基于权重分布的卷积神经网络低位宽量化方法 |
Non-Patent Citations (5)
Title |
---|
ABDELRAHMAN ABDELHAMED 等: "NTIRE 2019 Challenge on Real Image Denoising: Methods and Results", 《COMPUTER VISION AND PATTERN RECOGNITION WORKSHOPS》 * |
SHICHEN LU 等: "Structure Preserving Convolutional Attention for Image Captioning", 《APPLIED SCIENCES》 * |
YANTING HU 等: "Channel-wise and Spatial Feature Modulation Network for Single Image Super-Resolution", 《ARXIV》 * |
刘可文 等: "基于残差通道注意力网络的医学图像超分辨率方法", 《激光与光电子学进展》 * |
刘航、汪西莉: "基于注意力机制的遥感图像分割模型", 《激光与光电子学进展》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738956A (zh) * | 2020-06-24 | 2020-10-02 | 哈尔滨工业大学 | 一种基于特征调制的图像去噪系统 |
CN111814711B (zh) * | 2020-07-15 | 2023-08-08 | 中国矿业大学 | 一种应用于矿井机器视觉的图像特征快速匹配方法及系统 |
CN111814711A (zh) * | 2020-07-15 | 2020-10-23 | 中国矿业大学 | 一种应用于矿井机器视觉的图像特征快速匹配方法及系统 |
CN112363216A (zh) * | 2020-08-19 | 2021-02-12 | 中国石油大学(华东) | 基于注意力机制的地震数据去噪方法 |
CN112233038A (zh) * | 2020-10-23 | 2021-01-15 | 广东启迪图卫科技股份有限公司 | 基于多尺度融合及边缘增强的真实图像去噪方法 |
CN112233038B (zh) * | 2020-10-23 | 2021-06-01 | 广东启迪图卫科技股份有限公司 | 基于多尺度融合及边缘增强的真实图像去噪方法 |
CN112967195A (zh) * | 2021-03-04 | 2021-06-15 | 浙江大华技术股份有限公司 | 一种图像去噪方法、设备及计算机可读存储介质 |
CN112967195B (zh) * | 2021-03-04 | 2024-04-23 | 浙江大华技术股份有限公司 | 一种图像去噪方法、设备及计算机可读存储介质 |
CN112966611A (zh) * | 2021-03-09 | 2021-06-15 | 中国科学技术大学 | 一种dwt注意机制的能量迹噪声自适应方法 |
CN113066033B (zh) * | 2021-04-19 | 2023-11-17 | 智领高新科技发展(北京)有限公司 | 一种彩色图像的多阶段去噪系统及方法 |
CN113066033A (zh) * | 2021-04-19 | 2021-07-02 | 智领高新科技发展(北京)有限公司 | 一种彩色图像的多阶段去噪系统及方法 |
CN113421299A (zh) * | 2021-06-25 | 2021-09-21 | 南京云创大数据科技股份有限公司 | 一种基于水位计和摄像机的水深测定系统和方法 |
CN113421299B (zh) * | 2021-06-25 | 2024-03-29 | 南京云创大数据科技股份有限公司 | 一种基于水位计和摄像机的水深测定系统和方法 |
CN113643202A (zh) * | 2021-07-29 | 2021-11-12 | 西安理工大学 | 一种基于噪声注意力图指导的微光图像增强方法 |
CN114663310A (zh) * | 2022-03-24 | 2022-06-24 | 重庆邮电大学 | 一种基于多注意力融合的超声图像去噪方法 |
CN116468619A (zh) * | 2023-03-01 | 2023-07-21 | 山东省人工智能研究院 | 一种基于多特征反馈融合的医学影像去噪方法 |
CN116468619B (zh) * | 2023-03-01 | 2024-02-06 | 山东省人工智能研究院 | 一种基于多特征反馈融合的医学影像去噪方法 |
CN116385316A (zh) * | 2023-06-01 | 2023-07-04 | 深圳市嘉润原新显科技有限公司 | 多目标图像动态捕捉方法及相关装置 |
CN116385316B (zh) * | 2023-06-01 | 2023-08-08 | 深圳市嘉润原新显科技有限公司 | 多目标图像动态捕捉方法及相关装置 |
CN117726823A (zh) * | 2023-11-22 | 2024-03-19 | 西安工业大学 | 一种单幅干涉条纹归一化方法及装置 |
CN117611484A (zh) * | 2024-01-19 | 2024-02-27 | 武汉大学 | 一种基于去噪自解码网络的图像去噪方法及系统 |
CN117611484B (zh) * | 2024-01-19 | 2024-04-02 | 武汉大学 | 一种基于去噪自解码网络的图像去噪方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111080541B (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080541B (zh) | 基于比特分层和注意力融合机制的彩色图像去噪方法 | |
CN112233038B (zh) | 基于多尺度融合及边缘增强的真实图像去噪方法 | |
Dong et al. | Deep spatial–spectral representation learning for hyperspectral image denoising | |
WO2023092813A1 (zh) | 一种基于通道注意力的Swin-Transformer图像去噪方法及系统 | |
Zhang et al. | Image restoration: From sparse and low-rank priors to deep priors [lecture notes] | |
CN105096280B (zh) | 处理图像噪声的方法及装置 | |
CN110766632A (zh) | 基于通道注意力机制和特征金字塔的图像去噪方法 | |
CN114723630B (zh) | 基于空洞双残差多尺度深度网络的图像去模糊方法及系统 | |
CN112614061A (zh) | 基于双路编解码器的低照度图像亮度增强及超分辨率方法 | |
CN113362250A (zh) | 一种基于双树四元小波与深度学习的图像去噪方法及系统 | |
CN116152120A (zh) | 一种融合高低频特征信息的低光图像增强方法及装置 | |
CN113284061B (zh) | 一种基于梯度网络的水下图像增强方法 | |
Lyu et al. | An efficient learning-based method for underwater image enhancement | |
CN116757955A (zh) | 一种基于全维动态卷积多融合对比网络 | |
CN114881879B (zh) | 一种基于亮度补偿残差网络的水下图像增强方法 | |
CN113066033A (zh) | 一种彩色图像的多阶段去噪系统及方法 | |
CN114359073A (zh) | 一种低光照图像增强方法、系统、装置及介质 | |
CN117422653A (zh) | 一种基于权重共享和迭代数据优化的低光照图像增强方法 | |
Zhou et al. | Sparse representation with enhanced nonlocal self-similarity for image denoising | |
CN114565539A (zh) | 一种基于线上知识蒸馏的图像去雾方法 | |
Ding et al. | Learning-based underwater image enhancement: An efficient two-stream approach | |
CN117078574A (zh) | 一种图像去雨方法及装置 | |
CN110675320A (zh) | 一种空间参数变化及复杂场景下目标图像清晰化方法 | |
Ji et al. | A deep retinex network for underwater low-light image enhancement | |
CN111754412A (zh) | 构建数据对的方法、装置及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240206 Address after: Building 1, Shuimu Yifang Building, No. 286 Nanguang Road, Dawangshan Community, Nantou Street, Nanshan District, Shenzhen City, Guangdong Province, 518000, 2207 Patentee after: Qidi Yuanjing (Shenzhen) Technology Co.,Ltd. Country or region after: China Address before: Unit 416, innovation building, Panyu energy saving science and Technology Park, 555 Panyu Avenue North, Panyu District, Guangzhou, Guangdong 510000 Patentee before: GUANGDONG QIDI TUWEI TECHNOLOGY CO.,LTD. Country or region before: China |
|
TR01 | Transfer of patent right |