一种基于加性高斯扩散模型的图像降噪增强方法

本发明提出一种基于加性高斯扩散模型的图像降噪增强方法，包括：选择多张清晰图像，逐步向清晰图像添加加性高斯白噪声，直至图像完全被噪声污染，生成一系列不同污染量度的噪声图像；将不同污染量度的噪声图像、对应的时间步数和服从标准正态分布的全局噪声样本构成训练数据集，训练U‑Net网络；建立加性高斯扩散模型，用于反向推导估算前一时刻的噪声图像；采集待降噪的噪声图像，获取该噪声图像的噪声水平的初始值，并通过时间编码函数计算与噪声水平的初始值对应的时间步数；将待降噪的污染图像和对应的时间步数输入到训练好的U‑Net网络，并联立加性高斯扩散模型，通过反向扩散计算，采用循环迭代优化策略，去除噪声图像的噪声。