图像处理方法、图像处理模型的训练方法、装置、介质制造方法及图纸

本公开涉及一种图像处理方法、图像处理模型的训练方法、装置、介质，所述图像处理方法包括：确定待处理图像的感光度信息；根据所述待处理图像的感光度信息，确定所述待处理图像对应的目标感光度特征图；将所述待处理图像和所述目标感光度特征图输入图像处理模型，获得所述图像处理模型输出的目标图像，其中，所述图像处理模型是通过训练集对初始图像处理模型进行训练得到的，其中，所述训练集包括多组训练样本，每组训练样本包括：包含噪声信息的第一图像以及所述第一图像对应的感光度特征图、与所述第一图像对应的不包含噪声信息的第二图像。由此，可以提高图像处理的精细度和准确度，从而提高确定出的目标图像的质量。从而提高确定出的目标图像的质量。从而提高确定出的目标图像的质量。

【技术实现步骤摘要】
图像处理方法、图像处理模型的训练方法、装置、介质


[0001]本公开涉及图像处理领域，尤其涉及图像处理方法、图像处理模型的训练方法、装置、介质。

技术介绍

[0002]随着计算机技术和相机的发展，用户对拍摄的图片的质量要求越来越高。相关技术中，若拍摄的图片质量较低，则可以基于深度学习模型对其进行去噪处理，从而获得质量较好的图片。但上述过程中通常是直接将图片输入模型进行处理，图像处理的精度较低，难以根据用户的使用需求进行去噪。

技术实现思路

[0003]为克服相关技术中存在的问题，本公开提供一种精度高的图像处理方法、图像处理模型的训练方法、装置、介质。
[0004]根据本公开实施例的第一方面，提供一种图像处理方法，所述方法包括：
[0005]确定待处理图像的感光度信息；
[0006]根据所述待处理图像的感光度信息，确定所述待处理图像对应的目标感光度特征图；
[0007]将所述待处理图像和所述目标感光度特征图输入图像处理模型，获得所述图像处理模型输出的目标图像，其中，所述图像处理模型是通过训练集对初始图像处理模型进行训练得到的，其中，所述训练集包括多组训练样本，每组训练样本包括：包含噪声信息的第一图像以及所述第一图像对应的感光度特征图、与所述第一图像对应的不包含噪声信息的第二图像。
[0008]可选地，所述图像处理模型通过以下方式获得：
[0009]针对所述训练集中的每一组目标训练样本，将所述目标训练样本中的第一图像和所述感光度特征图输入所述初始图像处理模型，获得所述第一图像对应的输出图像；
[0010]根据所述输出图像和与所述第一图像对应的第二图像，确定所述初始图像处理模型的损失值；
[0011]根据所述损失值对初始图像处理模型进行参数调整，以对所述初始图像模型进行训练，获得所述图像处理模型。
[0012]可选地，其特征在于，
[0013]所述根据所述待处理图像的感光度信息，确定所述待处理图像对应的目标感光度特征图，包括：
[0014]将所述待处理图像的感光度信息作为目标感光度信息；
[0015]根据所述目标感光度信息，生成所述目标感光度特征图；或者，
[0016]所述根据所述待处理图像的感光度信息，确定所述待处理图像对应的目标感光度特征图，包括：
[0017]输出所述待处理图像的感光度信息；
[0018]响应于接收到用户针对所述待处理图像的感光度信息的设置操作，将所述设置操作所设置的参数确定为目标感光度信息；
[0019]根据所述目标感光度信息，生成所述目标感光度特征图。
[0020]可选地，所述根据所述目标感光度信息，生成所述目标感光度特征图，包括：
[0021]将所述目标感光度信息确定为所述待处理图像中每一像素点对应的特征值，以获得所述目标感光度特征图；或者
[0022]针对所述待处理图像中的每一像素点，将该像素点的亮度值与所述待处理图像的感光度信息的比值确定为该像素点的特征值，以获得所述目标感光度特征图。
[0023]可选地，所述根据所述目标感光度信息，生成所述目标感光度特征图，还包括：
[0024]将每一所述像素点的特征值进行取对数处理，并根据取对数处理后所得的结果获得所述目标感光度特征图。
[0025]根据本公开实施例的第二方面，提供一种图像处理模型的训练方法，所述方法包括：
[0026]获取训练集，所述训练集包括多组训练样本，每组训练样本包括：包含噪声信息的第一图像以及所述第一图像对应的感光度特征图、与所述第一图像对应的不包含噪声信息的第二图像；
[0027]针对所述训练集中的每一组目标训练样本，将所述目标训练样本中的第一图像和所述感光度特征图输入初始图像处理模型，获得所述第一图像对应的输出图像；
[0028]根据所述输出图像和与所述第一图像对应的第二图像，确定所述初始图像处理模型的损失值；
[0029]根据所述损失值对初始图像处理模型进行参数调整，以对所述初始图像模型进行训练，获得所述图像处理模型。
[0030]可选地，通过以下方式确定所述训练集中的各组训练样本：
[0031]获取所述第一图像以及与所述第二图像；
[0032]确定所述第一图像的感光度信息；
[0033]根据所述第一图像的感光度信息，生成所述第一图像对应的感光度特征图，将所述第一图像、所述第一图像对应的感光度特征图以及所述第二图像确定为一组训练样本。
[0034]可选地，所述根据所述第一图像的感光度信息，生成所述第一图像对应的感光度特征图，包括：
[0035]将所述第一图像的感光度信息确定为所述第一图像中每一像素点对应的特征值，以获得所述感光度特征图；或者
[0036]针对所述第一图像中的每一像素点，根据该像素点的像素值确定该像素点的亮度值，并将该像素点的亮度值与所述第一图像的感光度信息的比值确定为该像素点的特征值，以获得所述感光度特征图。
[0037]可选地，所述根据所述第一图像的感光度信息，生成所述第一图像对应的感光度特征图，还包括：
[0038]将每一所述像素点的特征值进行取对数处理，并根据取对数处理后所得的结果获得所述感光度特征图。
[0039]根据本公开实施例的第三方面，提供一种图像处理装置，所述装置包括：
[0040]第一确定模块，被配置为确定待处理图像的感光度信息；
[0041]第二确定模块，被配置为根据所述待处理图像的感光度信息，确定所述待处理图像对应的目标感光度特征图；
[0042]输入模块，被配置为将所述待处理图像和所述目标感光度特征图输入图像处理模型，获得所述图像处理模型输出的目标图像，其中，所述图像处理模型是通过训练集对初始图像处理模型进行训练得到的，其中，所述训练集包括多组训练样本，每组训练样本包括：包含噪声信息的第一图像以及所述第一图像对应的感光度特征图、与所述第一图像对应的不包含噪声信息的第二图像。
[0043]可选地，所述图像处理模型通过图像处理模型的训练装置进行训练获得，所述图像处理模型的训练装置包括：
[0044]获取模块，被配置为获取所述训练集；
[0045]第三确定模块，被配置为针对所述训练集中的每一组目标训练样本，将所述目标训练样本中的第一图像和所述感光度特征图输入所述初始图像处理模型，获得所述第一图像对应的输出图像；
[0046]第四确定模块，被配置为根据所述输出图像和与所述第一图像对应的第二图像，确定所述初始图像处理模型的损失值；
[0047]训练模块，被配置为根据所述损失值对初始图像处理模型进行参数调整，以对所述初始图像模型进行训练，获得所述图像处理模型。
[0048]可选地，所述第二确定模块包括：
[0049]第一确定子模块，被配置为将所述待处理图像的感光度信息作为目标感光度信息；
[0050]第一生成子模块，被配置为根据所述目标感光度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：确定待处理图像的感光度信息；根据所述待处理图像的感光度信息，确定所述待处理图像对应的目标感光度特征图；将所述待处理图像和所述目标感光度特征图输入图像处理模型，获得所述图像处理模型输出的目标图像，其中，所述图像处理模型是通过训练集对初始图像处理模型进行训练得到的，其中，所述训练集包括多组训练样本，每组训练样本包括：包含噪声信息的第一图像以及所述第一图像对应的感光度特征图、与所述第一图像对应的不包含噪声信息的第二图像。2.根据权利要求1所述的方法，其特征在于，所述图像处理模型通过以下方式获得：获取所述训练集；针对所述训练集中的每一组目标训练样本，将所述目标训练样本中的第一图像和所述感光度特征图输入所述初始图像处理模型，获得所述第一图像对应的输出图像；根据所述输出图像和与所述第一图像对应的第二图像，确定所述初始图像处理模型的损失值；根据所述损失值对初始图像处理模型进行参数调整，以对所述初始图像模型进行训练，获得所述图像处理模型。3.根据权利要求1所述的方法，其特征在于，所述根据所述待处理图像的感光度信息，确定所述待处理图像对应的目标感光度特征图，包括：将所述待处理图像的感光度信息作为目标感光度信息；根据所述目标感光度信息，生成所述目标感光度特征图；或者，所述根据所述待处理图像的感光度信息，确定所述待处理图像对应的目标感光度特征图，包括：输出所述待处理图像的感光度信息；响应于接收到用户针对所述待处理图像的感光度信息的设置操作，将所述设置操作所设置的参数确定为目标感光度信息；根据所述目标感光度信息，生成所述目标感光度特征图。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标感光度信息，生成所述目标感光度特征图，包括：将所述目标感光度信息确定为所述待处理图像中每一像素点对应的特征值，以获得所述目标感光度特征图；或者针对所述待处理图像中的每一像素点，将该像素点的亮度值与所述待处理图像的感光度信息的比值确定为该像素点的特征值，以获得所述目标感光度特征图。5.根据权利要求4所述的方法，其特征在于，所述根据所述目标感光度信息，生成所述目标感光度特征图，还包括：将每一所述像素点的特征值进行取对数处理，并根据取对数处理后所得的结果获得所述目标感光度特征图。6.一种图像处理模型的训练方法，其特征在于，所述方法包括：获取训练集，所述训练集包括多组训练样本，每组训练样本包括：包含噪声信息的第一
图像以及所述第一图像对应的感光度特征图、与所述第一图像对应的不包含噪声信息的第二图像；针对所述训练集中的每一组目标训练样本，将所述目标训练样本中的第一图像和所述感光度特征图输入初始图像处理模型，获得所述第一图像对应的输出图像；根据所述输出图像和与所述第一图像对应的第二图像，确定所述初始图像处理模型的损失值；根据所述损失值对初始图像处理模型进行参数调整，以对所述初始图像模型进行训练，获得所述图像处理模型。7.根据权利要求6所述的方法，其特征在于，通过以下方式确定所述训练集中的各组训练样本：获取所述第一图像以及所述第二图像；确定所述第一图像的感光度信息；根据所述第一图像的感光度信息，生成所述第一图像对应的感光度特征图，将所述第一图像、所述第一图像对应的感光度特征图以及所述第二图像确定为一组训练样本。8.根据权利要求7所述的方法，其特征在于，所述根据所述第一图像的感光度信息，生成所述第一图像对应的感光度特征图，包括：将所述第一图像的感光度信息确定为所述第一图像中每一像素点对应的特征值，以获得所述...

【专利技术属性】
技术研发人员：万韶华，
申请(专利权)人：北京小米松果电子有限公司，
类型：发明
国别省市：