一种降噪模型的训练方法及相关装置制造方法及图纸

本申请公开了一种降噪模型的训练方法，应用于人工智能领域，且属于计算机视觉技术。该方法包括：从样本集合中获取待降噪图像样本，样本集合包括多个待降噪图像样本；对待降噪图像样本执行第一次随机下采样处理以及第二次随机下采样处理，分别得到第一子图像和第二子图像；将第一子图像输入降噪模型，得到第一目标图像；根据第一目标图像和第二子图像获取第一损失函数，第一损失函数用于指示第一目标图像和第二子图像之间的差异；至少根据第一损失函数对降噪模型进行训练，得到目标降噪模型。本方案中，基于噪声图像即可实现降噪模型的训练，无需获取噪声图像对应的干净图像，降低了降噪模型的训练难度。

【技术实现步骤摘要】
一种降噪模型的训练方法及相关装置
本申请涉及人工智能
，尤其涉及一种降噪模型的训练方法及相关装置。
技术介绍
人工智能(artificialintelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。目前，在图像的生成或传输过程中，往往容易受到成像设备或外部环境噪声的干扰，而产生携带影响图像质量的噪声。这种由于受到干扰而包括噪声的图像通常称为含噪图像或噪声图像。为提高这种图像的质量，图像降噪方法应运而生。图像降噪方法是指应用算法从观测到的噪声图像中去除噪声，保留图像细节，重建出相应的干净图像。目前，图像降噪方法在手机拍照、高清电视、监控设备、卫星图像和医学影像等领域有重要的应用价值。相关技术中，主要通过基于学习的本文档来自技高网...

【技术保护点】
1.一种降噪模型的训练方法，其特征在于，包括：/n从样本集合中获取待降噪图像样本，所述样本集合包括多个待降噪图像样本；/n对所述待降噪图像样本执行第一次随机下采样处理以及第二次随机下采样处理，分别得到第一子图像和第二子图像，所述第一子图像与所述第二子图像的分辨率相同；/n将所述第一子图像输入降噪模型，得到第一目标图像；/n根据所述第一目标图像和所述第二子图像获取第一损失函数，所述第一损失函数用于指示所述第一目标图像和所述第二子图像之间的差异；/n至少根据所述第一损失函数对所述降噪模型进行训练，得到目标降噪模型。/n

【技术特征摘要】
1.一种降噪模型的训练方法，其特征在于，包括：
从样本集合中获取待降噪图像样本，所述样本集合包括多个待降噪图像样本；
对所述待降噪图像样本执行第一次随机下采样处理以及第二次随机下采样处理，分别得到第一子图像和第二子图像，所述第一子图像与所述第二子图像的分辨率相同；
将所述第一子图像输入降噪模型，得到第一目标图像；
根据所述第一目标图像和所述第二子图像获取第一损失函数，所述第一损失函数用于指示所述第一目标图像和所述第二子图像之间的差异；
至少根据所述第一损失函数对所述降噪模型进行训练，得到目标降噪模型。


2.根据权利要求1所述的方法，其特征在于，所述对所述待降噪图像样本执行第一次随机下采样处理以及第二次随机下采样处理，分别得到第一子图像和第二子图像，包括：
将所述待降噪图像样本划分为M个图像单元，所述M个图像单元中的每个图像单元包括n*n个像素；
在所述M个图像单元中的每个图像单元中执行像素的第一次随机选择，获得M个第一像素，并根据所述M个第一像素得到所述第一子图像；
在所述M个图像单元中的每个图像单元中执行像素的第二次随机选择，获得M个第二像素，并根据所述M个第二像素得到所述第二子图像。


3.根据权利要求2所述的方法，其特征在于，所述在所述M个图像单元中的每个图像单元中执行像素的第二次随机选择，包括：
获取所述M个图像单元中的每个图像单元中的n*n-1个目标像素，所述n*n-1个目标像素为每个图像单元中在执行像素的第一次随机选择时没有被选中的像素；
在所述M个图像单元中的每个图像单元中的n*n-1个目标像素中执行像素的随机选择，获得M个第二像素，所述M个第二像素与所述M个第一像素均不相同。


4.根据权利要求3所述的方法，其特征在于，在所述M个图像单元中的每个图像单元中的n*n-1个目标像素中执行像素的随机选择，包括：
在所述M个图像单元中的每个图像单元中的n*n-1个目标像素中，随机选择一个与第一次随机选择时所选中的像素相邻的第二像素，获得M个第二像素，所述M个第二像素中的每个第二像素均与对应的第一像素相邻。


5.根据权利要求1-4任意一项所述的方法，其特征在于，所述方法还包括：
将所述待降噪图像样本输入所述降噪模型，得到第二目标图像；
基于所述第一次随机下采样处理中像素的采样位置，对所述第二目标图像进行下采样处理，得到第一子目标图像；
基于所述第二次随机下采样处理中像素的采样位置，对所述第二目标图像进行下采样处理，得到第二子目标图像；
根据所述第一目标图像、所述第二子图像、所述第一子目标图像和所述第二子目标图像，获取第二损失函数；
所述至少根据所述第一损失函数对所述降噪模型进行训练，包括：
至少根据所述第一损失函数和所述第二损失函数对所述降噪模型进行训练。


6.根据权利要求5所述的方法，其特征在于，所述至少根据所述第一损失函数和所述第二损失函数对所述降噪模型进行训练，包括：
至少根据所述第一损失函数、第一权重系数、所述第二损失函数和第二权重系数对所述降噪模型进行训练；
其中，所述第一权重系数用于指示所述第一损失函数的权重，所述第二权重系数用于指示所述第二损失函数的权重。


7.根据权利要求1-6任意一项所述的方法，其特征在于，所述降噪模型包括卷积神经网络或基于稀疏特征表达的降噪模型。


8.一种图像降噪方法...

【专利技术属性】
技术研发人员：李松江，黄涛，贾旭，刘健庄，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44