【技术实现步骤摘要】
图像噪声程度估计方法、装置、电子设备及存储介质
[0001]本申请属于人工智能领域,具体涉及一种图像噪声程度估计方法、装置、电子设备及存储介质。
技术介绍
[0002]随着图像处理技术的不断发展,人们对图像质量的要求也越来越高。由于电子设备在拍照过程中会产生大量热量,这些热量均匀分布在电子设备的CMOS晶体单元上,形成杂色斑点,即图像噪声,因此,往往需要对电子设备拍摄的图像进行降噪处理。在进行图像降噪过程中,若降噪程度过轻则会导致噪声去除不干净,而降噪程度过重则会导致图像变模糊,因此,通常需要对图像的噪声程度进行预估,从而为后续图像降噪过程中所需要依据的图像降噪的程度提供参考。
[0003]现有的图像噪声程度估计方式,主要是在正常光照条件下,假设噪声服从某种统计分布,进而通过估计该分布的参数值来衡量图像的噪声程度。
[0004]这样,由于现有技术主要针对的是正常光照条件下的图像噪声程度估计,因此,对其他光照条件下拍摄的图像中包含的噪声往往估计不准确。另外,其还需要依赖很强的假设条件,例如假设图像噪声服从某种噪 ...
【技术保护点】
【技术特征摘要】
1.一种图像噪声程度估计方法,其特征在于,包括:获取第一图像;从所述第一图像中提取与所述第一图像对应的特征信息;根据所述特征信息,确定与所述第一图像对应的第一估计值和第二估计值;其中,所述第一估计值为所述第一图像属于噪声图像的估计值,所述第二估计值为所述第一图像属于无噪声图像的估计值;计算所述第一估计值和所述第二估计值之间的差值;将所述差值映射为预设连续区间范围内的目标值,将所述目标值作为所述第一图像的噪声程度估计值。2.根据权利要求1所述的方法,其特征在于,所述从所述第一图像中提取与所述第一图像对应的特征信息,包括:将所述第一图像转换为对应的第二图像;其中,所述第二图像为拜耳Bayer图像;利用噪声程度估计模型中的第一分支网络,从所述第一图像中提取与所述第一图像对应的第一特征,以及,利用所述噪声程度估计模型中的第二分支网络,从所述第二图像中提取与所述第一图像对应的第二特征;根据所述第一特征和所述第二特征,生成与所述第一图像对应的特征信息。3.根据权利要求1所述的方法,其特征在于,所述根据所述特征信息,确定与所述第一图像对应的第一估计值和第二估计值,包括:将所述特征信息输入至噪声程度估计模型中的二分类网络,利用所述二分类网络对所述第一图像进行分类,输出得到与所述第一图像对应的第一估计值和第二估计值。4.根据权利要求2所述的方法,其特征在于,在利用噪声程度估计模型中的第一分支网络,从所述第一图像中提取与所述第一图像对应的第一特征,以及,利用所述噪声程度估计模型中的第二分支网络,从所述第二图像中提取与所述第一图像对应的第二特征之前,所述方法还包括:对所述第一图像进行变换处理,得到与所述第一图像对应的N个第三图像;其中,所述变换处理包括变亮处理和变暗处理中的至少一项,N为正整数;将所述N个第三图像转换为对应的N个第四图像;其中,所述第四图像为Bayer图像;所述利用噪声程度估计模型中的第一分支网络,从所述第一图像中提取与所述第一图像对应的第一特征,以及,利用所述噪声程度估计模型中的第二分支网络,从所述第二图像中提取与所述第一图像对应的第二特征,包括:将所述第一图像和所述N个第三图像按通道维度堆叠,得到第一堆叠图像,将所述第二图像和所述N个第四图像按通道维度堆叠,得到第二堆叠图像;利用所述第一分支网络从所述第一堆叠图像中提取颜色信息,得到与所述第一图像对应的第一特征,利用所述第二分支网络从所述第二堆叠图像中提取空间信息,得到与所述第一图像对应的第二特征。5.根据权利要求4所述的方法,其特征在于,所述第一分支网络包括第一特征提取子网络和第一交叉注意力子网络,所述第二分支网络包括第二特征提取子网络和第二交叉注意力子网络;所述利用所述第一分支网络从所述第一堆叠图像中提取颜色信息,得到与所述第一图
像对应的第一特征,利用所述第二分支网络从所述第二堆叠图像中提取空间信息,得到与所述第一图像对应的第二特征,包括:利用所述第一特征提取子网络从所述第一堆叠图像中提取颜色信息,得到与所述第一图像对应的颜色特征,利用所述第二特征提取子网络从所述第二堆叠图像中提取空间信息,得到与所述第一图像对应的空间特征;利用所述第一交叉注意力子网络,对所述颜色特征进行预处理,得到第一处理结果,利用所述第二交叉注意力子网络,对所述空间特征进行预处理,得到第二处理结果;将所述第一处理结果与所述空间特征进行融合,得到所述第二特征,将所述第二处理结果与所述颜色特征进行融合,得到所述第一特征。6.根据权利要求2
‑
5任一项所述的方法,其特征在于,在从所述第一图像中提取与所述第一图像对应的特征信息之前,所述方法还包括:获取第一样本图像;将所述第一样本图像转换为对应的第一目标图像;为所述第一目标图像添加预设噪声,得到第一噪声图像;其中,所述预设噪声包括泊松噪声和高斯噪声中的至少一项;将所述第一噪声图像转换为对应的第二目标图像;对所述第二目标图像进行去噪处理,得到所述第二样本图像;其中,所述第一目标图像和所述第一噪声图像为Bayer图像,所述第一样本图像和所述第二目标图像为RGB图像;将所述第一样本图像和所述第二样本图像作为正负样本对,训练初始噪声程度估计模型,直至所述初始噪声程度估计模型收敛,得到所述噪声程度估计模型。7.根据权利要求6所述的方法,其特征在于,在对所述第二目标图像进行去噪处理,得到所述第二样本图像之后,所述方法还包括:对所述第二样本图像进行数据增广处理,得到与所述第一样本图像对应的多个噪声样本图像;其中,所述数据增广处理包括随机翻转、随机旋转、随机裁剪以及随机色调变换中的至少一项;所述将所述第一样本图像和所述第二样本图像作为正负样本对,训练初始噪声程度估计模型,包括:将所述第一样本图像分别与所述多个噪声样本图像中的任一图像组合,得到多个正负样本对;使用所述多个正负样本对训练所述初始噪声程度估计模型。8.一种图像噪声程度估计装置,其特征在于,包括:第一获取模块,用于获取第一图像;特征提取模块,用于从所述第一图像中提取与所述第一图像对应的特征信息;图像估计模块,用于根据所述特征信息,确定与所述第一图像对应的第一估计值和第二估计...
【专利技术属性】
技术研发人员:吴飞,
申请(专利权)人:维沃移动通信有限公司,
类型:发明
国别省市:
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。