CN119399052A 基于自协作并行生成对抗网络的无监督真实图像去噪方法 （四川大学）

基于自协作并行生成对抗网络的无监督真本发明公开了一种基于自协作并行生成对先通过非配对合成的方式合成伪真实噪声图像噪声图像再通过非配对合成的方式合成伪真实2步骤五：使用自协作策略，每次迭代后用当前更2.根据权利要求1所述的基于自协作并行生成对抗网络的无监督真实图像去噪方法，yyyy3.根据权利要求1所述的基于自协作并行生成对抗网络的无监督真实图像去噪方法，u-syn表示生成器非配对方式生成的伪真4.根据权利要求1所述的基于自协作并行生成对抗网络的无监督真实图像去噪方法，3s-syn表示生成器自合成方式生成的噪声图像，DN表示去u-syn表示生成器非配对方式生成的伪真实噪声5.根据权利要求1所述的基于自协作并行生成对抗网络的无监督真实图像去噪方法，4无噪声的图像，以提高图像的质量和可视化效果。现阶段，加性高斯白噪声(additive良好的干净噪声图像对既费时又费力。[0009](5)使用自协作策略，每次迭代后用当前更收敛的去噪器取代之前较弱的去噪器5[0011]图1是本发明基于自协作并行生成对抗网络的无监督真实图像去噪方法的原理框[0021](5)使用自协作策略，每次迭代后用当前更收敛的去噪器取代之前较弱的去噪器yyyy[0026]所述步骤(2)中，构建“非配对合成—自合成”(UnpairedSynthetic_Self6[0031]所述步骤(3)中，构建“自合成—非配对合成”(SelfSynthetic-Unpaired对合成操作将生成的伪真实噪声图像和非配对的噪声一起输入到下一个生成器生成新的7学习的卷积块当k>0时较弱的去噪器[0047]为了更好地说明本发明的有效性，我们选择了3个常用测试数据集进行了对比实ofrealphotographs.InProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecogni[0050]方法2：Jang等人提出的方法，参考文献“C2n:Practicalgenerativenoisemodelingforreal_worlddenoising.InProceedingsoftheIEEEInternationalConferenceonComputerVisionfunctionforself_supervisedimagedenoisingbydisentanglingnoisefrommage.InProceedingsoftheIEEEConferenceonComputerVisionandPatternreal_worldimagesviaasymmetricpdandblind_spotnetwork.InProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition,17725_17734,本发明方法对噪声图像进行去噪处理。重建结果的客观评价结果如表1所示。PSNR(Peak发明方法对噪声图像进行去噪处理。重建结果