一种图像去噪处理方法、终端设备及计算机可读存储介质技术

本申请适用于图像处理技术领域，提供了一种图像去噪处理方法、终端设备及计算机可读存储介质，所述方法包括：获取训练图像，所述训练图像包括：源图像和与所述源图像对应的目标图像，所述目标图像为分辨率大于预设值的图像，所述源图像为在所述目标图像中加入噪声信息后获得的图像，通过对应的源图像和目标图像，训练构建的卷积神经网络模型，获得训练后的卷积神经网络模型，通过训练后的卷积神经网络模型对待处理图像进行去噪处理，通过本申请可以在将待处理图像去除噪声时避免图像出现失真。

【技术实现步骤摘要】
一种图像去噪处理方法、终端设备及计算机可读存储介质
本申请属于图像处理
，尤其涉及一种图像去噪处理方法、终端设备及计算机可读存储介质。
技术介绍
大部分的手机都设置了拍照功能，在拍照过程中，难免引入噪声，例如，亚采样、大气因素、成像噪声、几何运动、投影以及附加噪声等，这样拍摄的照片就会出现噪声。为了去除照片中的噪声从而获得清晰的照片，目前，通常采用双线性滤波、中值滤波、小波变换等方法进行处理。然而，目前这种去除噪声的方法在去除噪声的同时也会出现原始照片出现失真的问题。
技术实现思路
有鉴于此，本申请实施例提供了一种图像去噪处理方法、终端设备及计算机可读存储介质，以解决目前图像去除噪声的方法会出现图像失真的问题。本申请实施例的第一方面提供了一种图像去噪处理方法，包括：获取训练图像，所述训练图像包括：源图像和与所述源图像对应的目标图像，所述目标图像为分辨率大于预设值的图像，所述源图像为在所述目标图像中加入噪声信息后获得的图像；通过对应的源图像和目标图像，训练构建的卷积神经网络模型，获得训练后的卷积神经网络模型；通过训练后的卷积神经网络模型对待处理图像进行去噪处理。本申请实施例的第二方面本文档来自技高网...

【技术保护点】
1.一种图像去噪处理方法，其特征在于，包括：获取训练图像，所述训练图像包括：源图像和与所述源图像对应的目标图像，所述目标图像为分辨率大于预设值的图像，所述源图像为在所述目标图像中加入噪声信息后获得的图像；通过对应的源图像和目标图像，训练构建的卷积神经网络模型，获得训练后的卷积神经网络模型；通过训练后的卷积神经网络模型对待处理图像进行去噪处理。

【技术特征摘要】
1.一种图像去噪处理方法，其特征在于，包括：获取训练图像，所述训练图像包括：源图像和与所述源图像对应的目标图像，所述目标图像为分辨率大于预设值的图像，所述源图像为在所述目标图像中加入噪声信息后获得的图像；通过对应的源图像和目标图像，训练构建的卷积神经网络模型，获得训练后的卷积神经网络模型；通过训练后的卷积神经网络模型对待处理图像进行去噪处理。2.如权利要求1所述的图像去噪处理方法，其特征在于，所述通过对应的源图像和目标图像，训练构建的卷积神经网络模型，获得训练后的卷积神经网络模型包括：在每一次迭代训练过程中，分别进行前向传播过程和反向传播过程；所述前向传播过程为：将所述源图像、所述目标图像和随机信号分别输入所述卷积神经网络模型，根据所述卷积神经网络模型中的特征图获得内容函数和风格函数；所述反向传播过程为：基于所述内容函数和所述风格函数构建的损失函数，反向更新所述卷积神经网络模型中各层的参数；在训练结束后，最新一次迭代训练过程获得的卷积神经网络模型为训练后的卷积神经网络模型。3.如权利要求2所述的图像去噪处理方法，其特征在于，所述根据所述卷积神经网络模型中的特征图获得内容函数和风格函数包括：基于所述源图像和所述随机信号分别在所述卷积神经网络模型中最后一层的特征图获得内容函数；基于所述目标图像和所述随机信号分别在所述卷积神经网络模型中每一层的特征图获得风格函数。4.如权利要求2所述的图像去噪处理方法，其特征在于，所述损失函数为：L＝α*Lc+β*Ls其中，所述L为损失函数，所述Lc为内容函数，所述Ls为风格函数，所述内容函数的权重α和所述风格函数权重β的比值α/β＝0.1。5.如权利要求4所述的图像去噪处理方...

【专利技术属性】
技术研发人员：张弓，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东,44