一种图像降噪方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种图像降噪方法、装置、电子设备及存储介质，用于改善对图像的不同区域进行降噪的效果较差的问题。该方法包括：获取待处理图像；使用神经网络模型对待处理图像进行降噪处理，获得降噪图像，并对待处理图像进行纹理检测，获得纹理掩模；对降噪图像和纹理掩模进行融合，获得融合后的降噪图像。通过在对待处理图像进行降噪处理的过程中，对降噪图像和纹理检测获得的纹理掩模进行融合，获得融合后的降噪图像，从而充分地利用了不同区域的纹理信息来进行融合降噪，改善了对图像的不同区域进行降噪的效果较差的情况，有效地优化了对图像的不同区域进行降噪的效果。图像的不同区域进行降噪的效果。图像的不同区域进行降噪的效果。

【技术实现步骤摘要】
一种图像降噪方法、装置、电子设备及存储介质


[0001]本申请涉及图像处理和深度学习的
，具体而言，涉及一种图像降噪方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，针对图像进行降噪的方式大都是无差别地降噪方式，具体例如，使用相机传感器采集的原始(raw)数据会存在很多噪声，使用目前的图像降噪算法对图像进行无差别地降噪，导致有些区域降噪效果较好，但有些区域的降噪效果较。在具体的实践过程中发现，目前的图像降噪算法对图像的不同区域进行降噪的效果较差。

技术实现思路

[0003]本申请实施例的目的在于提供一种图像降噪方法、装置、电子设备及存储介质，用于改善对图像的不同区域进行降噪的效果较差的问题。
[0004]本申请实施例提供了一种图像降噪方法，包括：获取待处理图像；使用神经网络模型对待处理图像进行降噪处理，获得降噪图像，并对待处理图像进行纹理检测，获得纹理掩模；对降噪图像和纹理掩模进行融合，获得融合后的降噪图像。在上述方案的实现过程中，通过在对待处理图像进行降噪处理的过程中，对降噪图像和纹理检测获得的纹理掩模进行融合，获得融合后的降噪图像，从而充分地利用了不同区域的纹理信息来进行融合降噪，改善了对图像的不同区域进行降噪的效果较差的情况，有效地优化了对图像的不同区域进行降噪的效果。
[0005]可选地，在本申请实施例中，获取待处理图像，包括：接收相机传感器发送的原始数据；对原始数据进行归一化，获得归一化后的数据；将归一化后的数据转换为颜色通道模式，获得待处理图像。在上述方案的实现过程中，通过对原始数据进行归一化，获得归一化后的数据，并将归一化后的数据转换为颜色通道模式，当传感器采集的原始数据是不同比特时，可以使用归一化来转换成统一比特的数据，从而提高了该图像降噪方法对于不同相机传感器的兼容性。
[0006]可选地，在本申请实施例中，神经网络模型，包括：特征提取网络和图像降噪网络；使用神经网络模型对待处理图像进行降噪处理，包括：使用特征提取网络对待处理图像进行特征提取，获得图像特征；使用图像降噪网络对图像特征进行降噪处理。在上述方案的实现过程中，通过使用图像降噪网络对图像特征进行降噪处理，相比于使用端到端的神经网络模型来进行降噪处理，通过提取图像特征的方式有效地降低了图像降噪的计算量。
[0007]可选地，在本申请实施例中，神经网络模型，还包括：纹理检测网络；对待处理图像进行纹理检测，包括：使用纹理检测网络根据图像特征对待处理图像进行纹理检测。在上述方案的实现过程中，通过使用纹理检测网络根据图像特征对待处理图像进行纹理检测，充分地利用了不同区域的纹理信息来进行融合降噪，改善了对图像的不同区域进行降噪的效果较差的情况，有效地优化了对图像的不同区域进行降噪的效果。
[0008]可选地，在本申请实施例中，对待处理图像进行纹理检测，包括：使用开源计算机视觉库OpenCV对待处理图像进行纹理检测。在上述方案的实现过程中，通过使用开源计算机视觉库OpenCV对待处理图像进行纹理检测，相比于端到端的神经网络模型来进行纹理检测，有效地降低了纹理检测的计算量。
[0009]可选地，在本申请实施例中，对降噪图像和纹理掩模进行融合，包括：使用注意力网络模型对降噪图像和纹理掩模进行注意力融合。在上述方案的实现过程中，通过使用注意力网络模型对降噪图像和纹理掩模进行注意力融合，充分地利用了不同区域的纹理信息来进行融合降噪，改善了对图像的不同区域进行降噪的效果较差的情况，有效地优化了对图像的不同区域进行降噪的效果。
[0010]可选地，在本申请实施例中，神经网络模型包括：VGG模型、Unet模型或transformer类模型。
[0011]本申请实施例还提供了一种图像降噪装置，包括：处理图像获取模块，用于获取待处理图像；降噪纹理检测模块，用于使用神经网络模型对待处理图像进行降噪处理，获得降噪图像，并对待处理图像进行纹理检测，获得纹理掩模；图像融合降噪模块，用于对降噪图像和纹理掩模进行融合，获得融合后的降噪图像。
[0012]可选地，在本申请实施例中，处理图像获取模块，包括：原始数据接收子模块，用于接收相机传感器发送的原始数据；原始数据归一化模块，用于对原始数据进行归一化，获得归一化后的数据；处理图像获得子模块，用于将归一化后的数据转换为颜色通道模式，获得待处理图像。
[0013]可选地，在本申请实施例中，神经网络模型，包括：特征提取网络和图像降噪网络；降噪纹理检测模块，包括：图像特征提取子模块，用于使用特征提取网络对待处理图像进行特征提取，获得图像特征；图像特征降噪子模块，用于使用图像降噪网络对图像特征进行降噪处理。
[0014]可选地，在本申请实施例中，神经网络模型，还包括：纹理检测网络；降噪纹理检测模块，包括：模型纹理检测子模块，用于使用纹理检测网络根据图像特征对待处理图像进行纹理检测。
[0015]可选地，在本申请实施例中，降噪纹理检测模块，包括：图像纹理检测子模块，用于使用开源计算机视觉库OpenCV对待处理图像进行纹理检测。
[0016]可选地，在本申请实施例中，图像融合降噪模块，包括：注意力融合子模块，用于使用注意力网络模型对降噪图像和纹理掩模进行注意力融合。
[0017]可选地，在本申请实施例中，神经网络模型包括：VGG模型、Unet模型或transformer类模型。
[0018]本申请实施例还提供了一种电子设备，包括：处理器和存储器，存储器存储有处理器可执行的机器可读指令，机器可读指令被处理器执行时执行如上面描述的方法。
[0019]本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上面描述的方法。
[0020]本申请实施例的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。
附图说明
[0021]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请实施例中的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
[0022]图1示出的本申请实施例提供的图像降噪方法的流程示意图；
[0023]图2示出的本申请实施例提供的待处理图像的降噪对比示意图；
[0024]图3示出的本申请实施例提供的神经网络模型的第一种结构示意图；
[0025]图4示出的本申请实施例提供的神经网络模型的第二种结构示意图；
[0026]图5示出的本申请实施例提供的图像降噪装置的结构示意图；
[0027]图6示出的本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0028]为使本申请实施例的目的、技术方案和优点更加清楚，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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像降噪方法，其特征在于，包括：获取待处理图像；使用神经网络模型对所述待处理图像进行降噪处理，获得降噪图像，并对所述待处理图像进行纹理检测，获得纹理掩模；对所述降噪图像和所述纹理掩模进行融合，获得融合后的降噪图像。2.根据权利要求1所述的方法，其特征在于，所述获取待处理图像，包括：接收相机传感器发送的原始数据；对所述原始数据进行归一化，获得归一化后的数据；将所述归一化后的数据转换为颜色通道模式，获得所述待处理图像。3.根据权利要求1所述的方法，其特征在于，所述神经网络模型，包括：特征提取网络和图像降噪网络；所述使用神经网络模型对所述待处理图像进行降噪处理，包括：使用所述特征提取网络对所述待处理图像进行特征提取，获得图像特征；使用所述图像降噪网络对所述图像特征进行降噪处理。4.根据权利要求3所述的方法，其特征在于，所述神经网络模型，还包括：纹理检测网络；所述对所述待处理图像进行纹理检测，包括：使用纹理检测网络根据所述图像特征对所述待处理图像进行纹理检测。5.根据权利要求1所述的方法，其特征在于，所述对所述待处理图像进行纹理检测，包括：使用开源计算机视...

【专利技术属性】
技术研发人员：刘建伟，
申请(专利权)人：上海砹芯科技有限公司，
类型：发明
国别省市：