【技术实现步骤摘要】
下面的描述涉及具有用于鲁棒图像重建的自适应频率滤波的方法和设备。
技术介绍
1、由相机捕获的输入图像可包括各种类型的噪声。例如，可存在当由图像传感器中的光电二极管检测到光时发生的散粒噪声、当模拟信号被转换为数字信号时发生的电路噪声、以及当数字信号被量化和表示时发生的量化噪声。去除包括在图像中的噪声的方法可以是使用基于卷积神经网络(cnn)的去噪神经网络来去除包括在输入图像中的噪声的去噪方法。然而，当使用去噪神经网络从输入图像去除噪声时，去噪神经网络可针对具有与用于训练的图像的噪声分布相似的噪声分布的输入图像具有期望的去噪性能，但是可针对具有与用于训练的图像的噪声分布不同的噪声分布的输入图像具有劣化的去噪性能。
技术实现思路
1、提供本
技术实现思路
以简化的形式介绍在下面的具体实施方式中进一步描述的构思的选择。本
技术实现思路
不意在识别要求保护的主题的关键特征或必要特征，也不意在用于帮助确定要求保护的主题的范围。
2、在一个或多个总体方面，一种电子装置包括：一个或多个处理器，被配置为通过将输入图像变换到频域来生成变换频率图像，通过将生成的变换频率图像输入到滤波器生成神经网络来获得与输入图像对应的频率滤波器，并且通过将获得的频率滤波器应用于生成的变换频率图像来生成其中输入图像的噪声分布被归一化的输出图像。
3、所述电子装置可包括：图像传感器，包括多个光电二极管，其中，所述一个或多个处理器被配置为使用图像传感器的所述多个光电二极管生成输入图像。
4、所述一
5、所述一个或多个处理器可被配置为：基于使用生成的去噪图像和映射到输入图像的真实去噪图像计算的损失来一起训练滤波器生成神经网络和去噪神经网络。
6、所述一个或多个处理器可被配置为：基于使用生成的去噪图像和映射到输入图像的真实去噪图像计算的损失来训练滤波器生成神经网络。
7、所述一个或多个处理器可被配置为：基于使用生成的输出图像和映射到输入图像的真实输出图像计算的损失来训练滤波器生成神经网络。
8、为了生成输出图像，所述一个或多个处理器可被配置为：通过将获得的频率滤波器应用于生成的变换频率图像来生成频域中的中间图像；并且通过将生成的中间图像变换到空间域中来生成输出图像。
9、滤波器生成神经网络可包括一个或多个卷积神经网络(cnn)和连接到所述一个或多个cnn的全连接层。
10、从全连接层输出的第一输出数据可指示频率滤波器中的频域的频率范围，并且从全连接层输出的第二输出数据可指示与由第一输出数据指示的所述频率范围对应的分量的权重值。
11、为了获得频率滤波器，所述一个或多个处理器可被配置为：响应于所述权重值大于或等于阈值，在频率滤波器中维持所述分量。
12、滤波器生成神经网络可被配置为：根据输入到滤波器生成神经网络的图像的噪声分布来输出不同的频率滤波器。
13、在一个或多个总体方面，一种电子装置包括：一个或多个处理器，被配置为通过将训练输入图像变换到频域来生成临时变换频率图像，通过将生成的临时变换频率图像输入到滤波器生成神经网络来获得临时频率滤波器，通过将获得的临时频率滤波器应用于生成的临时变换频率图像来生成临时输出图像，并且通过将生成的临时输出图像输入到去噪神经网络来生成临时去噪图像，并且基于使用生成的临时去噪图像和映射到训练输入图像的真实去噪图像确定的损失来一起训练滤波器生成神经网络和去噪神经网络。
14、在一个或多个总体方面，一种处理器实现的方法包括：通过将输入图像变换到频域来生成变换频率图像；通过将生成的变换频率图像输入到滤波器生成神经网络来获得与输入图像对应的频率滤波器；以及通过将获得的频率滤波器应用于生成的变换频率图像来生成其中输入图像的噪声分布被归一化的输出图像。
15、所述方法可包括：通过将生成的输出图像输入到去噪神经网络来生成其中噪声从输入图像被去除的去噪图像。
16、生成输出图像的步骤可包括：通过将获得的频率滤波器应用于生成的变换频率图像来生成频域中的中间图像；以及通过将生成的中间图像变换到空间域中来生成输出图像。
17、滤波器生成神经网络可包括一个或多个卷积神经网络(cnn)和连接到所述一个或多个cnn的全连接层。
18、从全连接层输出的第一输出数据可指示频率滤波器中的频域的频率范围，并且从全连接层输出的第二输出数据可指示与由第一输出数据确定的所述频率范围对应的分量的权重值。
19、滤波器生成神经网络可被配置为：根据输入到滤波器生成神经网络的图像的噪声分布来输出不同的频率滤波器。
20、在一个或多个总体方面，一种非暂时性计算机可读存储介质存储指令，所述指令在由处理器执行时将处理器配置为执行在此描述的操作和/或方法中的任何一个、任何组合或全部。
21、在一个或多个总体方面，一种处理器实现的方法包括：通过将训练输入图像变换到频域来生成临时变换频率图像，通过将生成的临时变换频率图像输入到滤波器生成神经网络来获得临时频率滤波器，通过将获得的临时频率滤波器应用于生成的临时变换频率图像来生成临时输出图像，并且通过将生成的临时输出图像输入到去噪神经网络来生成临时去噪图像；以及基于使用生成的临时去噪图像和映射到训练输入图像的真实去噪图像确定的损失来一起训练滤波器生成神经网络和去噪神经网络。
22、根据下面的具体实施方式、附图和权利要求，其他特征和方面将是清楚的。
本文档来自技高网...【技术保护点】
1.一种电子装置，包括：
2.根据权利要求1所述的电子装置，还包括：
3.根据权利要求1所述的电子装置，其中，所述一个或多个处理器被配置为：通过将生成的输出图像输入到去噪神经网络来生成其中噪声从输入图像被去除的去噪图像。
4.根据权利要求3所述的电子装置，其中，所述一个或多个处理器被配置为：基于使用生成的去噪图像和映射到输入图像的真实去噪图像计算的损失来一起训练滤波器生成神经网络和去噪神经网络。
5.根据权利要求3所述的电子装置，其中，所述一个或多个处理器被配置为：基于使用生成的去噪图像和映射到输入图像的真实去噪图像计算的损失来训练滤波器生成神经网络。
6.根据权利要求1所述的电子装置，其中，所述一个或多个处理器被配置为：基于使用生成的输出图像和映射到输入图像的真实输出图像计算的损失来训练滤波器生成神经网络。
7.根据权利要求1所述的电子装置，其中，为了生成输出图像，所述一个或多个处理器被配置为：
8.根据权利要求1至7中任一项所述的电子装置，其中，滤波器生成神经网络包括一个或多个卷积神经网络和连
9.根据权利要求8所述的电子装置，其中，
10.根据权利要求9所述的电子装置，其中，为了获得频率滤波器，所述一个或多个处理器被配置为：响应于所述权重值大于或等于阈值，在频率滤波器中维持所述分量。
11.根据权利要求1至7中任一项所述的电子装置，其中，滤波器生成神经网络被配置为：根据输入到滤波器生成神经网络的图像的噪声分布来输出不同的频率滤波器。
12.一种电子装置，包括：
13.一种用于自适应频率滤波的方法，包括：
14.根据权利要求13所述的方法，还包括：通过将生成的输出图像输入到去噪神经网络来生成其中噪声从输入图像被去除的去噪图像。
15.根据权利要求13所述的方法，其中，生成输出图像的步骤包括：
16.根据权利要求13至15中任一项所述的方法，其中，滤波器生成神经网络包括一个或多个卷积神经网络和连接到所述一个或多个卷积神经网络的全连接层。
17.根据权利要求16所述的方法，其中，
18.根据权利要求13至15中任一项所述的方法，还包括：由滤波器生成神经网络根据输入到滤波器生成神经网络的图像的噪声分布来输出不同的频率滤波器。
19.一种存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时将所述一个或多个处理器配置为执行根据权利要求13至18中任一项所述的方法。
20.一种用于自适应频率滤波的方法，包括：
...【技术特征摘要】
1.一种电子装置，包括：
2.根据权利要求1所述的电子装置，还包括：
3.根据权利要求1所述的电子装置，其中，所述一个或多个处理器被配置为：通过将生成的输出图像输入到去噪神经网络来生成其中噪声从输入图像被去除的去噪图像。
4.根据权利要求3所述的电子装置，其中，所述一个或多个处理器被配置为：基于使用生成的去噪图像和映射到输入图像的真实去噪图像计算的损失来一起训练滤波器生成神经网络和去噪神经网络。
5.根据权利要求3所述的电子装置，其中，所述一个或多个处理器被配置为：基于使用生成的去噪图像和映射到输入图像的真实去噪图像计算的损失来训练滤波器生成神经网络。
6.根据权利要求1所述的电子装置，其中，所述一个或多个处理器被配置为：基于使用生成的输出图像和映射到输入图像的真实输出图像计算的损失来训练滤波器生成神经网络。
7.根据权利要求1所述的电子装置，其中，为了生成输出图像，所述一个或多个处理器被配置为：
8.根据权利要求1至7中任一项所述的电子装置，其中，滤波器生成神经网络包括一个或多个卷积神经网络和连接到所述一个或多个卷积神经网络的全连接层。
9.根据权利要求8所述的电子装置，其中，
10.根据权利要求9所述的电子装置，其中，为了获得频率滤波器...
【专利技术属性】
技术研发人员：柳在炯，柳东憲，柳慧洹，韩葆亨，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。