公开(公告)号：CN111145125A

公开(公告)日：2020-05-12

申请号：CN201911391449.4

申请日：2019-12-30

Applicant: 南京信息工程大学

Inventor： 周先春 ,  吴静 ,  翟靖宇 ,  徐新菊 ,  葛超 ,  吴婷 ,  陈铭

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于残差学习与卷积神经网络的图像去噪方法，包括以下步骤：先分别采用卷积神经网络方法、残差学习的方法对输入的含噪图像去噪；再采用卷积神经网络方法与残差学习方法相结合的方法对含噪图像去噪，在卷积神经网络中添加padding，进行批规范化操作，在网络中加入浅层到深层的跨越连接结构，再采用Adam算法的卷积神经网络进行训练；最后，将去噪后的图像输出。本发明的方法不仅能拓展网络深度，有效避免网络退化以及信息在传递的工程中的丢失与损耗，提高卷积神经网络去噪模型深度和结构信息的保持效果。

公开(公告)号：CN110827212B

公开(公告)日：2023-03-14

申请号：CN201910961785.1

申请日：2019-10-11

Applicant: 南京信息工程大学

Inventor： 周先春 ,  范梦佳 ,  闵龙 ,  翟靖宇 ,  徐新菊

IPC: G06T5/00

Abstract: 本发明公开了一种基于交叠组合稀疏高阶全变分的图像复原方法，包括：S30，建立原始图像的图像复原混合模型；S40，获取受约束的优化问题；S50，将受约束的优化问题分裂为单独的子问题，得到增广拉格朗日函数；S60，采用第k个迭代过程中的拉格朗日乘子求解所述增广拉格朗日函数的各个变量子问题，得到第k个迭代过程中的目标函数，进而得到第k个迭代过程中的复原图像、第一变量参数和第二变量参数；S70，根据复原图像、第一变量参数和第二变量参数更新拉格朗日乘子，得到下一个迭代过程中的拉格朗日乘子；S80，判断第k个迭代过程中的停止参数是否小于或等于停止阈值，若是，则确定复原图像，若否，则设置k＝k+1，返回执行步骤S60。

公开(公告)号：CN110827212A

公开(公告)日：2020-02-21

申请号：CN201910961785.1

申请日：2019-10-11

Applicant: 南京信息工程大学

Inventor： 周先春 ,  范梦佳 ,  闵龙 ,  翟靖宇 ,  徐新菊

IPC: G06T5/00

Abstract: 本发明公开了一种基于交叠组合稀疏高阶全变分的图像复原方法，包括：S30，建立原始图像的图像复原混合模型；S40，获取受约束的优化问题；S50，将受约束的优化问题分裂为单独的子问题，得到增广拉格朗日函数；S60，采用第k个迭代过程中的拉格朗日乘子求解所述增广拉格朗日函数的各个变量子问题，得到第k个迭代过程中的目标函数，进而得到第k个迭代过程中的复原图像、第一变量参数和第二变量参数；S70，根据复原图像、第一变量参数和第二变量参数更新拉格朗日乘子，得到下一个迭代过程中的拉格朗日乘子；S80，判断第k个迭代过程中的停止参数是否小于或等于停止阈值，若是，则确定复原图像，若否，则设置k＝k+1，返回执行步骤S60。