原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于自监督的单张图像去噪方法、装置及可读介质，该方法包括：获取待去噪的单张图像，基于待去噪的单张图像构建训练数据；构建基于卷积神经网络的图像去噪模型，基于总损失函数采用训练数据对图像去噪模型进行训练，直至总损失函数收敛，得到经训练的图像去噪模型，总损失函数为均方差损失函数和L2正则化损失函数之和；将待去噪的单张图像输入经训练的图像去噪模型，得到去噪后的图像。其适用范围宽广，不论是不同信噪比的谱图去噪或者是不同背景干扰下的谱图去噪中均展现出了良好的性能，可作为谱图分析的必要前置步骤
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117809045A
(43)申请公布日2024.04.02
(21)申请号202410011620.9
(22)申请日2024.01.03
(71)申请人厦门大学
文档评论（0）