图像去噪方法、装置、设备和计算机可读存储介质制造方法及图纸

本申请提供一种图像去噪方法、装置、设备和计算机可读存储介质；其中方法包括：获取待去噪的目标图像以及目标图像对应的拍摄设备标识信息；获取与拍摄设备标识信息对应的图像去噪模型；利用图像去噪模型，得到目标图像的去噪图像。本申请提供的图像去噪方法是在获取到待去噪的目标图像后，利用与该目标图像的拍摄设备标识信息相对应的去噪模型对图像进行处理，相对于现有技术中利用训练得到的通用性较好的去噪模型对图像进行去噪，本申请是针对于不同的目标图像，针对性采用了更好学习到该目标图像噪声分布的去噪模型进行处理，去噪效果更优。果更优。果更优。

【技术实现步骤摘要】
图像去噪方法、装置、设备和计算机可读存储介质


[0001]本申请实施例涉及图像处理
，具体涉及一种图像去噪方法、装置、设备和计算机可读存储介质。

技术介绍

[0002]图像去噪是指将含噪图像中的噪声点去除以得到干净图像的处理过程。现有的图像去噪方法主要是机器学习算法来实现的，具体的，预先基于大量训练样本训练得到去噪模型，然后利用训练好的去噪模型去对待去噪的图像进行处理，从而得到去噪图像。
[0003]然而，现有的去噪方法是利用训练得到的通用性较好的去噪模型进行去噪，并不能够确保在所有噪声分布的去噪图像中都能取得最佳的去噪效果。

技术实现思路

[0004]本申请实施例提供一种图像去噪方法、装置、设备和计算机可读存储介质，旨在解决现有的去噪方法还存在的不能够确保在所有噪声分布的去噪图像中都能取得最佳的去噪效果的技术问题。
[0005]一方面，本申请实施例提供一种图像去噪方法，包括：
[0006]获取待去噪的目标图像以及目标图像对应的拍摄设备标识信息；
[0007]获取与拍摄设备标识信息对应的图像去噪模型；
[0008]利用图像去噪模型，得到目标图像的去噪图像。
[0009]另一方面，本申请实施例还提供一种图像去噪装置，包括：
[0010]图像及标识信息获取模块，用于获取待去噪的目标图像以及目标图像对应的拍摄设备标识信息；
[0011]去噪模型获取模块，用于获取与拍摄设备标识信息对应的图像去噪模型；
[0012]去噪模块，用于利用图像去噪模型，得到目标图像的去噪图像。
[0013]另一方面，本申请实施例还提供一种图像去噪设备，包括：
[0014]一个或多个处理器；
[0015]存储器；以及
[0016]一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行以实现上述的图像去噪方法中的步骤。
[0017]另一方面，本申请实施例还提供一种计算机存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器进行加载，以执行上述的图像去噪方法中的步骤。
[0018]相对于现有技术中利用训练得到的通用性较好的去噪模型对图像进行去噪，本申请是在获取到待去噪的目标图像后，利用与该目标图像的拍摄设备标识信息相对应的去噪模型对图像进行处理，也就是针对于不同的目标图像，针对性采用了更好学习到该目标图像噪声分布的去噪模型进行处理，去噪效果更优。
附图说明
[0019]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本申请实施例图像去噪的场景示意图；
[0021]图2是本申请实施例中图像去噪方法的步骤流程示意图；
[0022]图3是本申请实施例中提供的图像去噪方法中训练生成图像去噪模型的流程示意图；
[0023]图4是本申请实施例中提供的基于生成对抗网络算法训练图像去噪模型的流程示意图；
[0024]图5是本申请实施例中提供的对干净清晰图像进行模糊处理的流程示意图；
[0025]图6是本申请实施例中提供的从噪声图像中提取噪声块的流程示意图；
[0026]图7是本申请实施例中提供的将噪声块注入到干净模糊图像的流程示意图；
[0027]图8是本申请实施例中提供的图像去噪装置的结构示意图；
[0028]图9是本申请实施例中提供的图像去噪设备的结构示意图。
具体实施方式
[0029]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术包含的范围。
[0030]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本专利技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0031]在本申请实施例中，“示例性”一词用来表示“用作例子、例证或说明”。本申请实施例中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更可选或更具优势。为了使本领域任何技术人员能够实现和使用本专利技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本专利技术。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本专利技术的描述变得晦涩。因此，本专利技术并非旨在限于所示的实施例，而是与符合本申请实施例所公开的原理和特征的最广范围相一致。
[0032]本申请实施例中提供一种图像去噪方法、装置、设备和计算机可读存储介质，以下分别进行详细说明。
[0033]本专利技术实施例中的图像去噪方法应用于图像去噪装置，图像去噪装置设置于图像去噪设备上，图像去噪设备中设置有一个或多个处理器、存储器，以及一个或多个应用程序，其中一个或多个应用程序被存储于存储器中，并配置为由处理器执行以实现图像去噪方法；图像去噪设备可以是终端，例如，手机或平板电脑，图像去噪设备还可以是一台服务器，或者多台服务器组成的服务集群。
[0034]如图1所示，图1为本申请实施例图像去噪的场景示意图，本专利技术实施例中图像去噪场景中包括图像去噪设备100(图像去噪设备100中集成有图像去噪装置)，图像去噪设备100中运行图像去噪方法对应的计算机存储介质，以执行图像去噪的步骤。
[0035]可以理解的是，图1所示图像去噪的场景中的图像去噪设备，或者图像去噪设备中包含的装置并不构成对本专利技术实施例的限制，即，图像去噪的场景中包含的设备数量、设备种类，或者各个设备中包含的装置数量、装置种类不影响本专利技术实施例中技术方案整体实现，均可以算作本专利技术实施例要求保护技术方案的等效替换或衍生。
[0036]本专利技术实施例中图像去噪设备100主要用于：获取待去噪的目标图像以及目标图像对应的拍摄设备标识信息；获取与拍摄设备标识信息对应的图像去噪模型；利用图像去噪模型，得到目标图像的去噪图像。
[0037]本专利技术实施例中该图像去噪设备100可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像去噪方法，其特征在于，包括：获取待去噪的目标图像以及所述目标图像对应的拍摄设备标识信息；获取与所述拍摄设备标识信息对应的图像去噪模型；利用所述图像去噪模型，得到所述目标图像的去噪图像。2.根据权利要求1所述的图像去噪方法，其特征在于，所述获取与所述拍摄设备标识信息对应的图像去噪模型之前，所述方法还包括：获取测试拍摄设备拍摄得到的测试图像，以及所述测试拍摄设备的拍摄设备标识信息；根据所述测试图像，训练生成所述测试图像的图像去噪模型；根据所述测试拍摄设备的拍摄设备标识信息和所述测试图像的图像去噪模型，建立图像去噪模型与拍摄设备标识信息之间的映射关系；所述获取与所述拍摄设备标识信息对应的图像去噪模型，包括：根据所述映射关系，获取与所述拍摄设备标识信息对应的图像去噪模型。3.根据权利要求2所述的图像去噪方法，其特征在于，所述根据所述测试图像，训练生成所述测试图像的图像去噪模型，包括：从所述测试图像中提取噪声块；所述噪声块中包含所述测试图像的噪声分布信息；根据所述噪声块和预设的训练图像，生成响应图像；所述响应图像中包含所述测试图像的噪声分布信息；根据所述训练图像和所述响应图像，训练生成对应所述测试图像的图像去噪模型。4.根据权利要求3所述的图像去噪方法，其特征在于，所述从所述测试图像中提取噪声块，包括：裁剪所述测试图像，得到多个区域块；分别计算各所述区域块的像素方差值；所述区域块的像素方差值是所述区域块内各像素点的像素值的方差；确定所述像素方差值中不超过预设最大方差阈值的最大像素方差值，并将所述最大像素方差值对应的区域块确定为目标区域块；计算所述目标区域块内像素点的像素平均值，并根据所述像素平均值，对所述目标区域块进行去均值处理，得到噪声块。5.根据权利要求3所述的图像去噪方法，其特征在于，所述根据所述噪声块和预设的训练图像，生成响应图像，包括：获取预设的模糊降质核和预设的原始图像；根据所述模糊降质核对所述原始图像进行卷积处理，得到训练图像；根据所述噪声块和所述训练图像，生成响应图像。6.根据权利要求3所述的图像去噪方法，其特征在于，所述根据所述训练图像和所述响应图像，训练生...

【专利技术属性】
技术研发人员：陈浩鹏，刘阳兴，王树朋，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
类型：发明
国别省市：