本发明涉及红外图像去噪,涉及一种红外图像去噪方法,具体涉及一种基于特征优化的红外图像去噪方法。
背景技术:
1、红外图像的质量和清晰度对于目标识别和场景分析至关重要。然而由于外部环境和传感器特性等因素的影响,红外图像常常伴随着各种类型的噪声,例如热噪声和散粒噪声,这些噪声影响了图像的质量和后续分析的准确性。传统的红外图像去噪方法通常难以在保持图像细节的同时有效地去除这些噪声。
2、随着深度学习在人工智能领域的发展,卷积神经网络为图像处理提供了很多有效的解决方案。然而,现有基于深度学习的红外图像去噪算法仍存在很大的研究空间。首先,去噪网络的不同复杂度的特征之间相互联系和沟通还不够充分,随着网络的加深,浅层的初级特征容易丢失。其次,很多网络在加深层级挖掘复杂特征时,难以在保持信息传递的同时减少冗余,这将不利于网络对高频细节的关注,特别是对后续下游任务例如红外图像小目标的进一步识别跟踪。因此,研究一种特征传递更高效,高频细节保留更好的红外图像去噪算法是关注的焦点。
技术实现思路
1、本发明的目的是为了解决上述现有技术存在的不足之处,提供一种红外图像去噪方法,该方法提出了密集区域注意力处理,其中的残差密集连接处理能够促进深层特征的挖掘和传递,防止深层网络的遗忘浅层特征,缓解梯度消失的问题。区域通道注意力处理对特征进行优化,在为通道信息分配权重的同时关注图像的局部区域,减少信息冗余,得到质量更佳的去噪结果。
2、为实现上述目的,本发明采用的技术方案如下:
3、一种红外图像去噪方法,包括以下步骤:
4、步骤(1),红外噪声图像inoise_in,经过两个3×3特征提取卷积层依次得到特征图和特征图
5、
6、
7、其中:conv(·)和表示卷积操作,σ(·)表示relu激活层处理;
8、步骤(2),将提取的特征图连续输入依次相连接的三级密集区域注意力处理drf进一步进行特征挖掘,所述密集区域注意力处理drf包含残差密集连接处理rd和区域通道注意力处理rcf;
9、所述残差密集连接处理rd的处理过程包括:
10、步骤(2.1),接收前一步得到的特征图作为输入对于第一级drf,其输入为步骤(2)中的对于第二、第三级drf,其输入为前一级drf的输出;其中中的n=1,2,3,分别代表第一级至第三级drf;
11、步骤(2.2),特征图输入到由卷积层和relu激活层组成的m个处理单元进行特征提取,得到特征图该过程表示为:
12、
13、其中:cat[·]表示对特征图进行通道维度的拼接,m为大于1的自然数;
14、步骤(2.3),将步骤(2.2)得到的所有结果特征图进行通道维度的拼接,将结果压缩到与原始输入同一维度,并与其相加得到初步的结果特征图
15、所述区域通道注意力融合处理rcf的处理过程包括:
16、步骤(2.4),将步骤(2.3)获得的特征图划分为数个区域,分别进行平均池化,通过通道压缩卷积和通道扩张卷积运算后经过激活函数将空间信息凝练为一个描述符,分别计算每个区域的注意权重后,拼接得到注意力优化的特征,输出第n级rdf的结果特征图
17、步骤(2.5),完成步骤(2.1)到步骤(2.4)即视为完成一级完整的drf处理过程,共进行三次drf处理,得到输出
18、步骤(3),将步骤(2)中的进行特征拼接输入1×1卷积层,融合不同复杂度的特征得到特征图
19、步骤(4),将步骤(3)中的与步骤(1)中的进行跳跃连接得到
20、步骤(5),将步骤(4)得到的特征图输入卷积层和relu激活层重建,并与最初的输入inoise_in进行跳跃连接得到去噪红外图像iout。
21、进一步地,在步骤(2.2)中,所述m=4;4层特征提取分别得到特征图
22、进一步地,在步骤(2.4)中,将步骤(2.3)获得的特征图划分为9个区域。
23、进一步地,通过构建评估损失函数对红外图像去噪方法进行评估,并根据评估结果进行参数优化,获得最终性能优化后的红外图像去噪方法;
24、所述损失函数采用mae损失函数,计算清晰红外图像xi标签与步骤(4)中的输出的红外去噪图像yi之间平均绝对误差,所述损失函数l(θ)公式为:
25、
26、其中,θ为网络的参数集合,yi是步骤(1)中输入的红外噪声图像,xi是对应作为监督参照标签的清晰红外图像,{xi,yi}共同组成网络训练集,n是训练集中图像对的数量。g(·)指代经红外图像去噪神经网络模型处理后的结果,‖·‖1为l1距离。
27、一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行以实现本发明所述的一种红外图像去噪方法的步骤。
28、本发明的有益效果:
29、(1)高效去噪:本发明采用了残差密集连接处理,能够用较深的网络的层数提取红外图像高级特征,并保留了网络不同深度的信息,促进不同深度特征之间的交流。有效减少红外图像中的噪声,提高了图像的质量;
30、(2)细节保留:与传统方法相比,本方法在去噪的同时能够更好地保留红外图像的细节。采用区域通道注意力机制,加强了对特定区域的关注,去除冗余特征,从而在去噪的过程中保持了图像的纹理和结构特征,使得去噪后的图像更加清晰。
1.一种红外图像去噪方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种红外图像去噪方法,其特征在于:
3.根据权利要求1所述的一种红外图像去噪方法,其特征在于:
4.根据权利要求1所述的一种红外图像去噪方法,其特征在于:
5.根据权利要求1-4任一项所述的一种红外图像去噪方法,其特征在于还包括:
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行以实现如权利要求书1至5任一项所述的一种红外图像去噪方法的步骤。