一种图像去噪方法、装置、计算机及可读存储介质制造方法及图纸

本申请实施例公开了一种图像去噪方法、装置、计算机及可读存储介质，本申请可以使用人工智能领域的的计算机视觉及深度学习等技术，该方法包括：获取双目图像；对该双目图像中的单目图像进行去噪处理及语义分割，生成各个单目图像的初始去噪特征图和语义信息特征图；将各个单目图像的初始去噪特征图和语义信息特征图进行融合，得到各个单目图像的融合特征；基于融合特征分别对各个单目图像进行再次去噪，得到各个单目图像的去噪图像。采用本申请，可以减少对双目图像进行去噪处理时的信息损失，提升图像去噪效果。

【技术实现步骤摘要】
一种图像去噪方法、装置、计算机及可读存储介质
本申请涉及计算机
，尤其涉及一种图像去噪方法、装置、计算机及可读存储介质。
技术介绍
当图像中存在噪声信息时，会影响用户对该图像的查看效果，在一些特殊场合(如交通工具或监控等)中，还可能会影响正常工作。其中，当手机、数码相机或交通工具上的摄像头等进行图像或视频拍摄时，常常会因为天气原因(如雨天、雾天或下雪天等)，可能会拍摄到带有噪声信息(如雨水、雾气或雪花等)的图像，此时，对图像的去噪处理就格外重要。目前，一般是通过深度学习网络对单目图像(带有噪声信息的图像)进行去噪处理，得到该单目图像去噪之后的图像，在该方式下，对该单目图像中噪声信息所覆盖的地方进行预测时，会造成较多的信息损失，使得图像的修复效果较差。
技术实现思路
本申请实施例提供了一种图像去噪方法、装置、计算机及可读存储介质，可以减少对双目图像进行去噪处理时的信息损失，提升了对双目图形进行去噪处理的效果。本申请实施例一方面提供了一种图像去噪方法，该方法包括：获取双目图像；对双目图像中的单目图像本文档来自技高网...

【技术保护点】
1.一种图像去噪方法，其特征在于，所述方法包括：/n获取双目图像；/n对所述双目图像中的单目图像进行去噪处理及语义分割，生成各个单目图像的初始去噪特征图和语义信息特征图；/n将所述各个单目图像的初始去噪特征图和语义信息特征图进行融合，得到所述各个单目图像的融合特征；/n基于所述融合特征分别对所述各个单目图像进行再次去噪，得到所述各个单目图像的去噪图像。/n

【技术特征摘要】
1.一种图像去噪方法，其特征在于，所述方法包括：
获取双目图像；
对所述双目图像中的单目图像进行去噪处理及语义分割，生成各个单目图像的初始去噪特征图和语义信息特征图；
将所述各个单目图像的初始去噪特征图和语义信息特征图进行融合，得到所述各个单目图像的融合特征；
基于所述融合特征分别对所述各个单目图像进行再次去噪，得到所述各个单目图像的去噪图像。


2.如权利要求1所述的方法，其特征在于，所述双目图像包括单目图像Ki，i为正整数，i小于或等于所述双目图像包括的单目图像的数量；
所述对所述双目图像中的单目图像进行去噪处理及语义分割，生成各个单目图像的初始去噪特征图和语义信息特征图，包括：
将所述单目图像Ki输入图像编码器，基于所述图像编码器提取所述单目图像Ki的单目图像特征；
将所述单目图像Ki的单目图像特征输入图像处理模型，启动所述图像处理模型中的去噪处理模式，基于所述去噪处理模式对所述单目图像Ki的单目图像特征进行去噪处理，生成所述单目图像Ki的的所述初始去噪特征图；
将所述图像处理模型从所述去噪处理模式切换为语义提取模式，基于所述语义提取模式对所述单目图像Ki的单目图像特征进行语义分割，生成所述单目图像Ki的的所述语义信息特征图。


3.如权利要求1所述的方法，其特征在于，所述双目图像包括单目图像Ki，i为正整数，i小于或等于所述双目图像包括的单目图像的数量；
所述将所述各个单目图像的初始去噪特征图和语义信息特征图进行融合，得到所述各个单目图像的融合特征，包括：
基于第一图像融合模型，提取所述单目图像Ki的所述初始去噪特征图的去噪图像特征，提取所述单目图像Ki的所述语义信息特征图的语义图像特征；
将所述单目图像Ki的所述去噪图像特征及所述语义图像特征进行特征拼接，得到所述单目图像Ki的单目拼接特征，基于所述第一图像融合模型的卷积层对所述单目图像Ki的单目拼接特征进行迭代，生成所述单目图像Ki的融合特征。


4.如权利要求1所述的方法，其特征在于，所述双目图像包括第一单目图像及第二单目图像，所述各个单目图像的融合特征包括所述第一单目图像的第一融合特征及所述第二单目图像的第二融合特征；
所述基于所述融合特征分别对所述各个单目图像进行再次去噪，得到所述各个单目图像的去噪图像，包括：
将所述第二融合特征向所述第一融合特征进行特征传递，根据传递后的第一融合特征生成所述第一单目图像的第一去噪图像，将所述第一融合特征向所述第二融合特征进行特征传递，根据传递后的第二融合特征生成所述第二单目图像的第二去噪图像。


5.如权利要求4所述的方法，其特征在于，所述将所述第二融合特征向所述第一融合特征进行特征传递，根据传递后的第一融合特征生成所述第一单目图像的第一去噪图像，将所述第一融合特征向所述第二融合特征进行特征传递，根据传递后的第二融合特征生成所述第二单目图像的第二去噪图像，包括：
将所述第一融合特征及所述第二融合特征进行特征拼接，得到双目拼接特征；
将所述双目拼接特征输入第二图像融合模型，基于所述第二图像融合模型的卷积层，采用所述第二融合特征向所述双目拼接特征中的所述第一融合特征进行特征传递，采用第一融合特征向所述双目拼接特征中的所述第二融合特征进行特征传递，生成第三融合特征；
基于所述第二图像融合模型将所述第三融合特征划分为第一颜色通道特征及第二颜色通道特征，根据所述第一颜色通道特征生成所述第一单目图像的第一去噪图像，根据所述第二颜色通道特征生成所述第二单目图像的第二去噪图像；所述第一颜色通道特征为传递后的第一融合特征，所述第二颜色通道特征为传递后的第二融合特征。


6.如权利要求5所述的方法，其特征在于，所述基于所述第二图像融合模型的卷积层，采用所述第二融合特征向所述双目拼接特征中的所述第一融合特征进行特征传递，采用第一融合特征向所述双目拼接特征中的所述第二融合特征进行特征传递，生成第三融合特征，包括：
获取所述第一单目图像与所述第二单目图像之间的图像视觉差，根据所述图像视觉差确定所述第一单目图像与所述第二单目图像的位置关联关系；所述位置关联关系用于表征同一地理位置，在所述第一单目图像中对应的像素点与在所述第二单目图像中对应的像素点之间的关联关系；
基于所述位置关联关系及所述第二图像融合模型的卷积层，建立所述双目拼接特征中的第一融合特征及所述第二融合特征之间的特征元素关联关系；
根据所述特征元素关联关系，采用所述第二融合特征向所述双目拼接特征中的所述第一融合特征进行特征传递，采用所述第一融合特征向所述双目拼接特征中的所述第二融合特征进行特征传递，生成第三融合特征。


7.如权利要求5所述的方法，其特征在于，所述基于所述第二图像融合模型将所述第三融合特征划分为第一颜色通道特征及第二颜色通道特征，根据所述第一颜色通道特征生成所述第一单目图像的第一去噪图像，根据所述第二颜色通道特征生成所述第二单目图像的第二去噪图像，包括：
基于所述第二图像融合模型将所述第三融合特征划分为第一颜色通道特征和第二颜色通道特征；
对所述第一颜色通道特征中的至少两个单色通道特征进行特征叠加，生成所...

【专利技术属性】
技术研发人员：张凯皓，罗文寒，刘威，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44