← 返回列表
一种基于强化学习的多模态图像去噪方法
申请人信息
- 申请人:南京航空航天大学
- 申请人地址:210016 江苏省南京市秦淮区御道街29号
- 发明人: 南京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于强化学习的多模态图像去噪方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311409429.1 |
| 申请日 | 2023/10/27 |
| 公告号 | CN117455795A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06T5/70 |
| 权利人 | 南京航空航天大学 |
| 发明人 | 梁栋; 高远航; 黄圣君; 陈松灿 |
| 地址 | 江苏省南京市秦淮区御道街29号 |
摘要文本
本发明公开了一种基于强化学习的多模态图像去噪方法，首先准备不同模态的图像构建强化学习系统的训练数据集和测试数据集；然后对数据集进行预处理，加入不同的噪声；设计动作集合，构建动作空间，初始化强化学习系统中的策略网络和价值网络；然后针对不同噪声进行训练，基于设置的相似度奖励更新策略网络和价值网络；完成训练后输出去噪后的图像结果；本发明将任务视为一个马尔可夫决策过程，图像中的每个像素作为代理，学习一个最优的策略使所有像素点的总奖励最大化，获得最优的结果；此外，本发明设计了一个能够处理多种噪声的动作集合来构建动作空间，对彩色可见光图像、红外图像和太赫兹图像均实现了有效去噪，实现了多模态图像去噪。
专利主权项内容
1.一种基于强化学习的多模态图像去噪方法，其特征在于，包括以下步骤：步骤S1、构建强化学习系统的数据集，所述数据集内包括干净彩色可见光图像、红外图像和太赫兹图像，然后将所述数据集分为训练数据集和测试数据集，其中训练数据集仅包括干净彩色可见光图像，测试数据集包括了干净彩色可见光图像、红外图像和太赫兹图像；步骤S2、对训练数据集中干净彩色可见光图像添加不同水平的噪声，构建噪声数据集；步骤S3、设计动作，构建动作空间；步骤S4、初始化强化学习系统中的价值网络和策略网络；步骤S5、基于相似度奖励值更新价值网络和策略网络；步骤S6、判断是否完成对噪声数据集内所有图像的训练，是否完成所有训练轮次，当所有图像训练完成，且完成所有训练迭代次数时，强化学习系统训练完毕；步骤S7、输入带噪图像，输出去噪后的图像结果。