技术特征：
1.一种图像中特定形状噪声去除方法，其特征在于，包括以下步骤：根据图像中特定形状噪声的特性，生成包含特定形状噪声的图像数据集；训练并保存对图像进行特定形状噪声分割的图像分割网络，利用所述图像分割网络对图像数据集中的图像进行分割处理；训练并保存去除特定形状噪声的生成对抗网络，将利用图像分割网络分割后的图像输入生成对抗网络，利用所述生成对抗网络去除图像中的特定形状噪声。2.根据权利要求1所述的图像中特定形状噪声去除方法，其特征在于，所述根据图像中特定形状噪声的特性，生成包含特定形状噪声的图像数据集的步骤，包括以下步骤：随机选择特定形状，控制图形大小，批量生成包含特定形状噪声的二值化掩膜图像数据集；随机选取若干图片作为背景图片，将包含特定形状噪声的二值化掩膜图像集中的图像分别融合到背景图片中，形成合成噪声图像数据集；采集实际场景中包含特定形状噪声的图像，对该图像中的特定形状噪声位置进行标注，构建标注图像数据集。3.根据权利要求2所述的图像中特定形状噪声去除方法，其特征在于，所述包含特定形状噪声的二值化掩膜图像数据集的生成步骤，包括：随机选择一种形状，使图形的大小能完整地中心对齐地放在512*512像素的背景下，并随机对特定形状噪声进行平移和/或旋转。4.根据权利要求2所述的图像中特定形状噪声去除方法，其特征在于，所述合成噪声图像数据集的生成步骤，包括：随机选取一张背景图像，采用对应像素值加权相加的方法将包含特定形状噪声的二值化掩膜图像与背景图像进行融合；分别读取融合后图像的三通道图像数据，进行均匀采样，将采样值作为二值化掩膜图像的像素权值；用1减去该像素权值作为背景图像的像素权值，再将二值化掩膜图像与背景图像的像素进行加权求和得到合成噪声图像。5.根据权利要求4所述的图像中特定形状噪声去除方法，其特征在于，所述分别读取融合后图像的三通道图像数据，进行均匀采样的步骤，其中采样的范围为0.2至0.8。6.根据权利要求2所述的图像中特定形状噪声去除方法，其特征在于，所述构建标注图像数据集的步骤，包括：采集实际场景中包含特定形状噪声的图像,对特定形状噪声边缘进行圈画，将特定形状噪声区域像素填充为0，非噪声区域像素值填充为255。7.根据权利要求2所述的图像中特定形状噪声去除方法，其特征在于，所述训练与保存对图像进行特定形状噪声分割的图像分割网络的步骤，包括以下步骤：随机选取特定形状生成m张二值化掩膜图像，并随机选择m张背景图像，分别与生成的m张二值化掩膜图像一一融合，生成m张合成噪声图像，将一张二值化掩膜图像与由其生成的合成噪声图像作为一组输入数据，共m组数据；收集n张实际场景中的图像，并分别对其噪声位置进行标注，构建n张标注图像，将一张收集的实际场景中的图像与由其构建的标注图像作为一组输入数据，共n组数据，m和n均为正整数。8.根据权利要求7所述的图像中特定形状噪声去除方法，其特征在于，所述训练与保存对图像进行特定形状噪声分割的图像分割网络的步骤，还包括以下步骤：对合成噪声图像
进行预处理，读取其bgr三通道的图像，对读取的图像进行大小处理，将其统一归一化为512*512像素的大小，并对归一化后的图像进行概率为0.2-0.4的数据增强操作，将数据增强后的图像进行水平翻转和旋转角度不超过10度的旋转操作，再将旋转操作后的图像转换为rgb通道图像。9.根据权利要求2所述的图像中特定形状噪声去除方法，其特征在于，所述训练并保存对图像进行特定形状噪声分割的图像分割网络的步骤，包括以下步骤：构建对图像进行特定形状噪声分割的图像分割网络，定义图像分割损失函数；利用所述图像分割网络对合成噪声图像进行分割处理，输出分割特定形状噪声后的二值化掩膜图像；利用随机梯度下降优化器优化所述图像分割网络，利用图像分割损失函数训练所述图像分割网络；在合成噪声图像数据上，利用图像分割网络进行分割训练迭代j次后保存其第一网络权重，以第一网络权重进行初始化，利用初始化后的图像分割网络对标注图像分割进行训练，迭代k次后保存其第二网络权重，j和k均为正整数。10.根据权利要求9所述的图像中特定形状噪声去除方法，其特征在于，所述训练并保存对图像进行特定形状噪声分割的图像分割网络的步骤，还包括：利用第二网络权重，对未参与训练的新的样本图像进行测试。11.根据权利要求10所述的图像中特定形状噪声去除方法，其特征在于，所述训练并保存去除特定形状噪声的生成对抗网络的步骤，包括以下步骤：构建特定形状噪声去除的生成对抗网络，定义生成对抗损失函数；利用随机梯度下降优化生成对抗网络，利用生成对抗损失函数训练生成对抗网络；在合成噪声图像数据上，将利用图像分割网络第一网络权重得到的二值化掩膜图像输入生成对抗网络进行网络迭代p次后保存其第三网络权重，通过第三网络权重进行初始化，利用初始化后的生成对抗网络对标注图像进行训练，将利用图像分割网络第二网络权重得到的二值化掩膜图像输入生成对抗网络进行网络迭代q次后，得到第四网络权重，p和q均为正整数。12.根据权利要求11所述的图像中特定形状噪声去除方法，其特征在于，所述生成对抗网络包括生成器和判别器，所述生成对抗损失函数包括生成器损失函数和判别器损失函数。13.根据权利要求12所述的图像中特定形状噪声去除方法，其特征在于，所述训练并保存去除特定形状噪声的生成对抗网络的步骤，还包括：利用第四网络权重，对未参与训练的新的样本图像进行测试。14.根据权利要求12所述的图像中特定形状噪声去除方法，其特征在于，在对所述图像分割网络和和生成器进行训练时，学习率设置为2e-5至4e-5，在对判别器进行训练时，学习率设置为5e-6至2e-5。15.一种图像中特定形状噪声去除装置，其特征在于，该装置采用如权利要求1至14任一项所述的图像中特定形状噪声去除方法中的步骤，去除图像中特定形状噪声。16.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至14任一项所述的图像中特
定形状噪声去除方法中的步骤。
技术总结
本申请涉及一种图像中特定形状噪声去除方法，包括以下步骤：根据图像中特定形状噪声的特性，生成包含特定形状噪声的图像数据集；训练并保存对图像进行特定形状噪声分割的图像分割网络，利用所述图像分割网络对图像数据集中的图像进行分割处理；训练并保存去除特定形状噪声的生成对抗网络，将利用图像分割网络分割后的图像输入生成对抗网络，利用所述生成对抗网络去除图像中的特定形状噪声。本申请可以有效地去除图形中特定形状的噪声。以有效地去除图形中特定形状的噪声。以有效地去除图形中特定形状的噪声。
技术研发人员：师伟 林颖 李杰 秦佳峰 孙景文 王江伟 张丕沛 汪鹏 孙承海 张峰达 李壮壮 刘萌 白德盟 郑文杰 熊永平 吕晓兵 刘碧云 杜非 常文治 李程启 张围围 刘辉 周超
受保护的技术使用者：国家电网有限公司 北京邮电大学 中国电力科学研究院有限公司
技术研发日：2022.08.05
技术公布日：2022/11/22