摘要
本发明提供了一种去除FIBSEM噪声图像中噪声的方法,以DnCNN网络模型为框架,通过搭建初始改进DnCNN网络去噪模型和模型参数优化,得到改进DnCNN网络去噪模型,利用改进DnCNN网络去噪模型对FIBSEM噪声图像进行去噪,包括以下步骤:S1搭建初始改进DnCNN网络去噪模型;S2模型参数优化:S2.1数据预处理;S2.2残差学习训练;S2.3模型测试;S3循环;S4去噪。本发明采用改进的DnCNN网络模型,结合残差学习和批归一化技术,使得去噪过程更为稳定,能够适应不同噪声水平,针对FIBSEM图像的噪声去除,有效减少了因样品表面形貌起伏和成分差异导致的噪声和窗帘效应。
技术关键词
噪声图像
去噪模型
网络
残差学习
无噪声
线性单元
更新模型参数
峰值信噪比
噪声级别
裁剪作业
训练集数据
生成噪声
计算误差
注意力机制
通道
格式
系统为您推荐了相关专利信息
链路预测方法
混杂特征
局部结构特征
节点特征
编码器
数据分析装置
矩阵
实体
生成结构化数据
关系网络
在线监测方法
三维有限元模型
风速
输电杆塔监测
训练神经网络模型