图像去噪方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术公开了一种图像去噪方法、装置、存储介质及电子设备，涉及人工智能技术领域。其中，该方法包括：获取待去噪的目标图像，其中，目标图像为待识别图像；将待去噪的目标图像输入目标去噪模型中进行去噪处理，输出去噪后的目标图像，其中，目标去噪模型是采用有噪声的图像序列集对初始去噪模型进行训练，并采用时序损失函数对初始去噪模型进行约束得到的，有噪声的图像序列集是采用拍摄设备对样本图像集的目标区域以预设时间间隔进行拍摄得到的。本发明专利技术解决了现有技术中的图像去噪模型采用干净无噪声的图像进行训练，存在图像去噪准确度低的技术问题。度低的技术问题。度低的技术问题。

【技术实现步骤摘要】
图像去噪方法、装置、存储介质及电子设备


[0001]本专利技术涉及人工智能
，具体而言，涉及一种图像去噪方法、装置、存储介质及电子设备。

技术介绍

[0002]随着科技的发展，银行业面临数字化转型的巨大挑战，如何利用人工智能等科技力量更好地服务顾客，利用金融服务的数字化和智能化提升用户满意度，成为银行数字化转型中的决定性因素。
[0003]目前，行业内现有的智能化服务(例如，人脸识别、银行卡识别等)都是基于深度学习开发的算法模型。但是，深度学习依托于有监督学习，对噪声数据较为敏感，在训练模型的过程中，往往依托干净数据，即针对原始数据的噪声进行处理后，再使用干净数据训练模型，成本较大，并且效率不高。而在模型使用过程中，实际的数据往往都是包含噪声的，存在图像去噪准确度低的问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种图像去噪方法、装置、存储介质及电子设备，以至少解决现有技术中的图像去噪模型采用干净无噪声的图像进行训练，存在图像去噪准确度低的本文档来自技高网...

【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，应用于图像识别过程中对目标图像的图像预处理过程，包括：获取待去噪的目标图像，其中，所述目标图像为待识别图像；将所述待去噪的目标图像输入目标去噪模型中进行去噪处理，输出去噪后的目标图像，其中，所述目标去噪模型是采用有噪声的图像序列集对初始去噪模型进行训练，并采用时序损失函数对所述初始去噪模型进行约束得到的，所述有噪声的图像序列集是采用拍摄设备对样本图像集的目标区域以预设时间间隔进行拍摄得到的。2.根据权利要求1所述的方法，其特征在于，通过以下步骤生成所述目标去噪模型：确定初始去噪神经网络的网络结构，其中，所述网络结构由多个网络层构成；根据每个所述网络层的参数，对所述初始去噪神经网络进行初始化处理，得到所述初始去噪模型；根据所述初始去噪模型，生成所述时序损失函数；获取所述初始去噪模型的训练集；根据所述训练集，采用随机优化算法对所述初始去噪模型进行迭代训练，直至所述时序损失函数的数值等于预设阈值，得到所述目标去噪模型。3.根据权利要求2所述的方法，其特征在于，在获取所述初始去噪模型的训练集之前，所述方法还包括：获取所述有噪声的图像序列集；对所述有噪声的图像序列集进行标准化处理，得到第一图像序列集；将所述第一图像序列集输入隐式神经网络进行图像增强处理，得到所述初始去噪模型的训练集。4.根据权利要求3所述的方法，其特征在于，对所述有噪声的图像序列集进行标准化处理，得到第一图像序列集，包括：根据预设尺寸，对所述有噪声的图像序列集中的每个有噪声的图像的随机区域进行裁剪，得到所述第一图像序列集。5.根据权利要求3所述的方法，其特征在于，将所述第一图像序列集输入隐式神经网络进行图像增强处理，得到所述初始去噪模型的训练集，包括：将所述第一图像序列集输入所述隐式神经网络的第一子神经网络进行图像连续性增强处理，得到第二图像序列集；将所述有噪声的图像序列集和所述第二...

【专利技术属性】
技术研发人员：史晓东，白杰，施耀一，徐辰翀，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：