图像处理方法及装置制造方法及图纸

本申请公开了一种图像处理方法及装置，属于图像处理技术领域。该方法包括获取训练图像数据集；基于所述训练图像数据集对初始网络模型进行训练，得到目标网络模型；将第一图像输入所述目标网络模型，得到第二图像；其中，所述初始网络模型包括至少两个子网络模块，每一个所述子网络模块包括一个子阈值卷积网络模块和一个子残差卷积网络模块，所述子阈值卷积网络模块的输出为所述子残差卷积网络模块的输入，且所述子阈值卷积网络模块包括阈值函数层，所述阈值函数层用于通过阈值函数对所述第一图像的图像数据进行去噪处理。一图像的图像数据进行去噪处理。一图像的图像数据进行去噪处理。

【技术实现步骤摘要】
图像处理方法及装置


[0001]本申请属于图像处理
，具体涉及一种图像处理方法及装置。

技术介绍

[0002]相机在拍摄图像时，由于镜头对光折射不均匀、镜头不稳等因素会导致图像出现噪声阴影，例如图像中心部分与四周颜色不一致，四周颜色存在偏色、而中心颜色正常。通过降噪方法可以去除图像中的噪声。
[0003]图像去噪大多采用小波阈值去噪算法，通过人工选取的阈值对小波系数进行阈值处理，再对处理后的小波系数进行重构得到去噪后的图像。该方法中阈值的选取直接影响去噪效果，而人工选取的阈值很难达到最优，导致图像去噪效果较差。

技术实现思路

[0004]本申请实施例的目的是提供一种图像处理方法及装置，能够减少图像的噪声，提高图像的去噪效果。
[0005]第一方面，本申请实施例提供了一种图像处理方法，包括：获取训练图像数据集；基于所述训练图像数据集对初始网络模型进行训练，得到目标网络模型；将第一图像输入所述目标网络模型，得到第二图像；其中，所述初始网络模型包括至少两个子网络模块，每一个所述子网络模块包括一个子阈值卷积网络模块本文档来自技高网...

【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，包括：获取训练图像数据集；基于所述训练图像数据集对初始网络模型进行训练，得到目标网络模型；将第一图像输入所述目标网络模型，得到第二图像；其中，所述初始网络模型包括至少两个子网络模块，每一个所述子网络模块包括一个子阈值卷积网络模块和一个子残差卷积网络模块，所述子阈值卷积网络模块的输出为所述子残差卷积网络模块的输入，且所述子阈值卷积网络模块包括阈值函数层，所述阈值函数层用于通过阈值函数对所述第一图像的图像数据进行去噪处理。2.根据权利要求1所述的图像处理方法，其特征在于，所述将第一图像输入所述目标网络模型，得到第二图像，包括：根据所述第一图像的颜色信息，确定所述第一图像中的纯色图像区域；将所述纯色图像区域对应的图像数据输入所述目标网络模型中，通过所述阈值函数层对所述纯色图像区域进行去噪处理，得到所述第二图像。3.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述第一图像的颜色信息，确定所述第一图像中的纯色图像区域，包括：将所述第一图像中各像素点的像素值差异在预设范围内、且像素点个数超过预设个数的图像区域作为所述纯色图像区域。4.根据权利要求1所述的图像处理方法，其特征在于，所述子阈值卷积网络模块还包括第一卷积处理层和第二卷积处理层；所述将第一图像输入所述目标网络模型，得到第二图像，包括：将所述第一图像输入所述第一卷积处理层，通过所述第一卷积处理层将所述第一图像进行稀疏化处理，获得对应的第一特征图；将所述第一特征图输入所述阈值函数层，通过所述阈值函数层的所述阈值函数对所述第一特征图进行去噪处理，得到第二特征图；将所述第二特征图输入所述第二卷积处理层，通过所述第二卷积处理层将所述第二特征图还原为第二图像。5.根据权利要求1所述的图像处理方法，其特征在于，所述得到第二图像之后，还包括：将所述第一图像与所述第二图像进行图像融合，得到目标图像。6.一种图像处理装置，其...

【专利技术属性】
技术研发人员：陈洁茹，骆晓康，
申请(专利权)人：维沃移动通信有限公司，
类型：发明
国别省市：