图像处理方法及图像处理模型训练方法技术

本申请实施例提供一种图像处理方法及图像处理模型训练方法，所述图像处理方法包括：获取待处理图像，将待处理图像输入至图像处理模型中，得到去噪后的图像，其中，图像处理模型包括第一特征提取层、至少一注意力特征提取层以及第二特征提取层，第一特征提取层用于对待处理图像进行特征提取，得到初始特征图，至少一注意力特征提取层用于对初始特征图进行特征加权处理，得到加权特征图，第二特征提取层用于对初始特征图以及加权特征图进行残差处理，得到去噪后的图像，加权特征图用于指示初始特征图中各区域是否属于添加噪声的区域。本申请提高了局部模糊的图像去噪效果，进而提高了图像去噪的准确性。了图像去噪的准确性。了图像去噪的准确性。

【技术实现步骤摘要】
图像处理方法及图像处理模型训练方法


[0001]本申请实施例涉及图像处理
，尤其涉及一种图像处理方法及图像处理模型训练方法。

技术介绍

[0002]随着网络技术的发展，图像已成为用户间最常用的信息载体，成为用户获取外界信息的主要途径。
[0003]现有技术中，图像在获取以及传输等过程中常常会受到各种噪声的干扰，而使图像质量下降，因此，为了获取高质量图像，一般需要对图像进行降噪处理，在保持原始信息完整性的同时，又能去除图像中无用的信息。
[0004]然而，常用的降噪处理方式一般是针对图像整体进行去噪的，对于局部模糊的图像去噪效果较差，降低了图像去燥的准确性。

技术实现思路

[0005]本申请实施例提供一种图像处理方法及图像处理模型训练方法，以提高图像去燥的准确性。
[0006]第一方面，本申请实施例提供一种图像处理方法，包括：
[0007]获取待处理图像；
[0008]将所述待处理图像输入至图像处理模型中，得到去噪后的图像，其中，所述图像处理模型包括第一特征提取层、至少一注意力特征提取层以及第二特征提取层，所述第一特征提取层用于对所述待处理图像进行特征提取，得到初始特征图；所述至少一注意力特征提取层用于对所述初始特征图进行特征加权处理，得到加权特征图；所述第二特征提取层用于对所述初始特征图以及所述加权特征图进行残差处理，得到去噪后的图像，所述加权特征图用于指示所述初始特征图中各区域是否属于添加噪声的区域。
[0009]可选的，每个所述注意力特征提取层包括：第一输入层、映射层以及子特征提取层，则所述至少一注意力特征提取层用于对所述初始特征图进行特征加权处理，得到加权特征图，包括：
[0010]针对每个所述注意力特征提取层，通过所述第一输入层对所述初始特征图进行预处理，得到预设尺寸的初始特征图；
[0011]通过所述映射层对所述预设尺寸的初始特征图进行归一化处理，得到权重图，其中，所述权重图中每个像素点的像素值表示像素点的清晰程度，像素值越小，表示像素点的清晰程度越高，且所述权重图中像素点的像素值在第一预设区间范围内；
[0012]通过所述子特征提取层对所述权重图与所述初始特征图进行加权处理，得到加权特征图。
[0013]可选的，所述映射层包括通道池化层以及归一化层，则所述通过所述映射层对所述预设尺寸的初始特征图进行归一化处理，得到权重图，包括：
[0014]通过所述通道池化层对所述预设尺寸的初始特征图进行通道降维处理，得到单一通道的特征图；
[0015]通过所述归一化层对所述单一通道的特征图进行归一化处理，得到权重图。
[0016]可选的，所述子特征提取层包括残差网络层以及拓展卷积层，则所述通过所述子特征提取层对所述权重图与所述初始特征图进行加权处理，得到加权特征图，包括：
[0017]通过所述残差网络层对所述权重图与所述初始特征图进行残差处理，得到初始加权特征图；
[0018]通过所述拓展卷积层对所述初始加权特征图进行特征提取，得到加权特征图。
[0019]可选的，所述拓展卷积层包括第二输入层、第一子卷积层、激活函数层、第二子卷积层、子残差网络层以及输出层，
[0020]则所述通过所述拓展卷积层对所述初始加权特征图进行特征提取，得到加权特征图，包括：
[0021]通过所述第二输入层以及所述第一子卷积层对所述初始加权特征图进行平移变换处理，得到平移变换后的初始加权特征图；
[0022]通过所述激活函数层对所述平移变换后的初始加权特征图进行激活处理，得到非线性的初始加权特征图；
[0023]通过所述第二子卷积层对所述非线性的初始加权特征图进行特征集中提取处理，得到集中加权特征图；
[0024]通过所述子残差网络层对所述初始加权特征图与所述集中加权特征图进行残差处理，得到加权特征图，并通过所述输出层输出所述加权特征图。
[0025]可选的，所述注意力特征提取层为至少两个，且所述注意力特征提取层包含第一子注意力特征提取层和第二子注意力特征提取层，所述第一子注意力层对应至少一第二子注意力层，
[0026]则所述通过所述映射层对所述预设尺寸的初始特征图进行归一化处理，得到权重图，包括：
[0027]针对每个所述第一子注意力特征提取层，通过所述映射层对所述预设尺寸的初始特征图进行归一化处理，得到权重图；
[0028]针对每个与所述第一子注意力特征提取层对应的第二子注意力特征提取层，直接获取对应的第一子注意力特征提取层确定的权重图。
[0029]可选的，在所述将所述待处理图像输入至图像处理模型中，得到去噪后的图像之后，还包括：
[0030]识别所述去噪后的图像中包含的目标对象，其中，所述目标对象为人、动物、植物、交通标牌以及车牌号中的至少一种；
[0031]若所述目标对象与预设对象相匹配，则确定所述目标对象验证通过。
[0032]第二方面，本申请实施例提供一种图像处理模型训练方法，图像处理模型包括第一特征提取层、至少一注意力特征提取层以及第二特征提取层，所述方法包括：
[0033]获取图像训练样本集，其中，所述图像训练样本集中包含至少一图像训练样本；
[0034]将所述图像训练样本集输入所述图像处理模型进行模型训练，得到训练后的图像处理模型；
[0035]其中，通过所述第一特征提取层对每个所述图像训练样本进行特征提取，得到初始特征图；通过所述至少一注意力特征提取层对所述初始特征图进行特征加权处理，得到加权特征图，其中，所述加权特征图用于指示所述初始特征图中各区域是否属于添加噪声的区域；通过所述第二特征提取层对所述初始特征图以及所述加权特征图进行残差处理。
[0036]可选的，所述图像训练样本中包含添加噪声的训练图像以及所述训练图像对应的标注标签，所述标注标签为所述训练图像对应的未添加噪声的清晰图像，
[0037]则所述通过所述第二特征提取层对所述初始特征图以及所述加权特征图进行残差处理，得到训练后的图像处理模型，包括：
[0038]通过所述第二特征提取层对所述初始特征图以及所述加权特征图进行残差处理，得到去噪后的训练图像；
[0039]根据去噪后的训练图像以及所述训练图像对应的未添加噪声的清晰图像确定第一损失值，并根据所述第一损失值得到训练后的图像处理模型。
[0040]可选的，所述标注标签还包括分数值，所述分数值表示所述添加噪声的训练图像的整体清晰程度，
[0041]则在所述根据去噪后的训练图像以及所述训练图像对应的未添加噪声的清晰图像确定第一损失值之后，还包括：
[0042]根据所述去噪后的训练图像以及所述分数值确定第二损失值；
[0043]对应的，所述根据所述第一损失值得到训练后的图像处理模型，包括：
[0044]根据所述第一损失值以及所述第二损失值得到训练后的图像处理模型。
[0045]可选的，在所述根据所本文档来自技高网...

【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：获取待处理图像；将所述待处理图像输入至图像处理模型中，得到去噪后的图像，其中，所述图像处理模型包括第一特征提取层、至少一注意力特征提取层以及第二特征提取层，所述第一特征提取层用于对所述待处理图像进行特征提取，得到初始特征图；所述至少一注意力特征提取层用于对所述初始特征图进行特征加权处理，得到加权特征图；所述第二特征提取层用于对所述初始特征图以及所述加权特征图进行残差处理，得到去噪后的图像，所述加权特征图用于指示所述初始特征图中各区域是否属于添加噪声的区域。2.根据权利要求1所述的方法，其特征在于，每个所述注意力特征提取层包括：第一输入层、映射层以及子特征提取层，所述至少一注意力特征提取层用于对所述初始特征图进行特征加权处理，得到加权特征图，包括：针对每个所述注意力特征提取层，通过所述第一输入层对所述初始特征图进行预处理，得到预设尺寸的初始特征图；通过所述映射层对所述预设尺寸的初始特征图进行归一化处理，得到权重图，其中，所述权重图中每个像素点的像素值表示像素点的清晰程度，像素值越小，表示像素点的清晰程度越高，所述权重图中像素点的像素值在第一预设区间范围内；通过所述子特征提取层对所述权重图与所述初始特征图进行加权处理，得到加权特征图。3.根据权利要求2所述的方法，其特征在于，所述映射层包括通道池化层以及归一化层，则所述通过所述映射层对所述预设尺寸的初始特征图进行归一化处理，得到权重图，包括：通过所述通道池化层对所述预设尺寸的初始特征图进行通道降维处理，得到单一通道的特征图；通过所述归一化层对所述单一通道的特征图进行归一化处理，得到权重图。4.根据权利要求2所述的方法，其特征在于，所述子特征提取层包括残差网络层以及拓展卷积层，所述通过所述子特征提取层对所述权重图与所述初始特征图进行加权处理，得到加权特征图，包括：通过所述残差网络层对所述权重图与所述初始特征图进行残差处理，得到初始加权特征图；通过所述拓展卷积层对所述初始加权特征图进行特征提取，得到加权特征图。5.根据权利要求4所述的方法，其特征在于，所述拓展卷积层包括第二输入层、第一子卷积层、激活函数层、第二子卷积层、子残差网络层以及输出层，所述通过所述拓展卷积层对所述初始加权特征图进行特征提取，得到加权特征图，包括：通过所述第二输入层以及所述第一子卷积层对所述初始加权特征图进行平移变换处理，得到平移变换后的初始加权特征图；通过所述激活函数层对所述平移变换后的初始加权特征图进行激活处理，得到非线性的初始加权特征图；通过所述第二子卷积层对所述非线性的初始加权特征图进行特征集中提取处理，得到
集中加权特征图；通过所述子残差网络层对所述初始加权特征图与所述集中加权特征图进行残差处理，得到加权特征图；通过所述输出层输出所述加权特征图。6.根据权利要求2所述的方法，其特征在于，所述注意力特征提取层为至少两个，每个所述注意力特征提取层包含第一子注意力特征提取层和第二子注意力特征提取层，所述第一子注意力层对应至少一第二子注意力层，所述通过所述映射层对所述预设尺寸的初始特征图进行归一化处理，得到权重图，包括：针对每个所述第一子注意力特征提取层，通过所述映射层对所述预设尺寸的初始特征图进行归一化处理，得到权重图；针对每个与所述第一子注意力特征提取层对应的第二子注意力特征提取层，获取对应的第一子注意力特征提取层确定的权重图。7.根据权利要求1
‑
6任一项所述的方法，其特征在于，在所述将所述待处理图像输入至图像处理模型中，得到去噪后的图像之后，还包括：识别所述去噪后的图像中包含的目标对象，其中，所述目标对象为人、动物、植物、交通标牌以及车牌号中的至少一种；若所述目标对象与预设对象相匹配，则确定所述...

【专利技术属性】
技术研发人员：陈圣，曾定衡，蒋宁，王洪斌，周迅溢，吴海英，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：