本发明提供一种深度学习逆卷积模型异常值处理方法,所述方法包括：分裂传统能量泛函逆卷积模型；建立异常值掩码模型,预测异常值掩码期望,在逆卷积迭代求解过程剔除异常值；基于深度学习搭建卷积神经网络图像去噪模型,自适应学习图像先验,引导逆卷积演化方向；交替迭代由传统能量泛函逆卷积模型分裂而成的子问题,获取最终高质量复原图像。本发明保留逆卷积模型对不同视觉任务应用柔性,预测异常值掩码期望并对其进行处理,充分利用深度学习图像先验建模优势,实现高质量图像复原。
科研之友
微信
新浪微博
Facebook
分享链接
