The embodiment of this specification discloses an image denoising method, device and electronic equipment. The method includes: acquiring the image to be denoised; encoding the image to be denoised by convolution layer based on the image denoising model, acquiring the image eigenvector; deconvolution processing based on the image eigenvector to obtain the image eigenvector. The image denoising model is trained based on the antagonism network model. By collecting the original image and the image to be de-noised based on the original image processing, as the training set of the antagonistic network model, the generating model and the discriminant model are trained, so that the generation model and the discriminant model in the antagonistic network model are optimized repeatedly, and the optimized graph based on the antagonistic network model can be obtained. Like noise removal models. It can effectively improve the efficiency of model optimization and enhance the denoising effect of image denoising model.
【技术实现步骤摘要】
一种图像去噪方法、装置以及电子设备
本说明书涉及计算机
,尤其涉及一种图像去噪方法、装置以及电子设备。
技术介绍
随着监控系统的完善,图像采集应用越来越广泛,采集到大量图像中,由于采集设备问题,导致采集到图像部分损坏;或者,由于采集条件问题,导致采集到的图像清晰度不佳,存在很多噪点,影响辨别图像内容。在现有的图像去噪技术中,图像去噪方法有基于频域的处理如均值滤波方法,中值滤波等,对待处理的当前像素,选择一个模板,该模板为其邻近的若干个像素组成,用模板的均值或者中值来替代原像素的值的方法,这种方法在降低噪声的同时会使图像产生模糊;有偏微分方程的方法,偏微分方程的应用主要的一类是一种是基本的迭代格式,通过随时间变化的更新,使得图像向所要得到的效果逐渐逼近,这种方式对高斯噪声处理的不好;也有基于变换域滤波的方式,如小波变换,但是对高频信息去噪处理不佳。基于现有技术,需要能够准确、快速的进行图像去噪的方案。
技术实现思路
本说明书实施例提供一种图像去噪方法、装置以及电子设备,用于解决以下技术问题:需要能够快速实现活体图像去噪的方案。为解决上述技术问题,本说明书实施例是这样实现的:本说明书实施例提供的一种图像去噪方法,包括:获取待去噪图像;基于图像去噪模型,经卷积层对所述待去噪图像进行编码,获取图像特征向量;基于所述图像特征向量进行反卷积处理,获得去噪图像;其中,所述图像去噪模型基于对抗网络模型进行训练后得到。进一步地,训练所述图像去噪模型,具体包括:获取去噪图像训练集,所述去噪图像训练集包括:N个原图像和N个待去噪图像;其中,所述N个待去噪图像是基于N个原图像处 ...
【技术保护点】
1.一种图像去除噪点方法,其特征在于,包括:获取待去噪图像;基于图像去噪模型,经卷积层对所述待去噪图像进行编码,获取图像特征向量;基于所述图像特征向量进行反卷积处理,获得去噪图像;其中,所述图像去噪模型基于对抗网络模型进行训练后得到。
【技术特征摘要】
1.一种图像去除噪点方法,其特征在于,包括:获取待去噪图像;基于图像去噪模型,经卷积层对所述待去噪图像进行编码,获取图像特征向量;基于所述图像特征向量进行反卷积处理,获得去噪图像;其中,所述图像去噪模型基于对抗网络模型进行训练后得到。2.如权利要求1所述的方法,其特征在于,训练所述图像去噪模型,具体包括:获取去噪图像训练集,所述去噪图像训练集包括:N个原图像和N个待去噪图像;其中,所述N个待去噪图像是基于N个原图像处理得到的;基于所述去噪图像训练集,对所述对抗网络模型进行训练,得到所述图像去噪模型。3.如权利要求1所述的方法,其特征在于,所述对抗网络模型包括:生成模型和判别模型;所述对抗网络模型优化函数如下:其中,G表示生成模型、D表示判别模型、表示X取自原图像分布、表示z取自待去噪图像。4.如权利要求3所述的方法,其特征在于,所述判别模型优化方式,包括:基于所述对抗网络模型优化函数,利用梯度上升获取V(D,G)最大值;基于获得V(D,G)最大值,获得优化后的所述判别模型;其中,所述判别模型包括:5个卷积层和1个全连接层。5.如权利要求4所述的方法,其特征在于,训练所述判别模型,具体包括:基于所述生成模型输出的所述去燥图像和所述原图像作为输入,训练所述判别模型。6.如权利要求3所述的方法,其特征在于,所述生成模型优化方式,包括:基于所述对抗网络模型优化函数,利用梯度下降获取V(D,G)最小值;基于获得V(D,G)最小值,获得优化后的所述生成模型;所述生成模型包括:6个卷积层、6个反卷积层和2个全连接层。7.如权利要求1所述的方法,其特征在于,还包括:优化目标判别函数:其中,X表示所述原图像,G(z)表示去噪完成所述待去噪图像。8.一种图像去噪装置,其特征在于,包括:获取模块,获取待去噪图像;编码模块,基于图像去噪模型,经卷积层对所述待去噪图像进行编码,获取图像特征向量;解码模块,基于所述图像特征向量进行反卷积处理,获得去噪图像;其中...
【专利技术属性】
技术研发人员:许靳昌,董远,白洪亮,熊风烨,
申请(专利权)人:北京飞搜科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。