【技术实现步骤摘要】
一种图像降噪方法及设备
[0001]本申请涉及人工智能
,尤其涉及一种图像降噪方法及设备。
技术介绍
[0002]在低照度高增益场景下,成像设备(如摄像机等)采集图像时,图像会出现大量噪点,导致图像质量较差,影响人脸直观感受,使得人脸五官不清晰。
[0003]为了去除图像中的噪点,即对图像进行降噪处理,可以采用图像降噪算法,如BM3D(Block
‑
Matching and 3D filtering,三维块匹配算法)等,BM3D的工作原理是:将图像分割成尺寸较小的小像素片,选定参考片后寻找与参考片相似的小片组成3D块,将所有相似块进行3D变换,将变换后的3D块进行阈值收缩,这也是去除噪声的过程。进行3D逆变换,将所有3D块通过加权平均后还原到图像。BM3D的核心在于,采用不同去噪策略,通过搜索相似块并在变换域进行滤波,得到评估值,最后对图像中每个点进行加权实现去噪效果。
[0004]但是,图像降噪算法很难兼顾不同照度场景下的人脸噪点,对于人脸五官的边缘保真效果较差。例如,在不同成像设备和不同照度场景下,人脸图像的噪点差异性较大、噪点形态分布也各不相同,在采用图像降噪算法进行图像降噪时,容易将人脸五官边界的细节当成噪点去除,对人脸细节的保护较差。
技术实现思路
[0005]本申请提供一种图像降噪方法,待训练的初始网络模型包括K个子网络,针对每个子网络,所述子网络包括M个网络通道,每个网络通道均包括降噪主通道和特征提取通道,K和M均为正整数,所述方法包括:
...
【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,待训练的初始网络模型包括K个子网络,针对每个子网络,所述子网络包括M个网络通道,每个网络通道均包括降噪主通道和特征提取通道,K和M均为正整数,所述方法包括:对所述初始网络模型进行训练,得到已训练的目标网络模型;在得到并部署所述目标网络模型之后,获取待降噪图像,将所述待降噪图像输入给所述目标网络模型,得到已完成图像降噪的目标图像;其中,对所述初始网络模型进行训练,得到已训练的目标网络模型,包括:针对每个子网络,将样本图像输入给所述子网络中的网络通道的特征提取通道,以对所述特征提取通道的参数进行训练,得到初始特征提取参数;将样本图像输入给所述子网络中的网络通道的特征提取通道和降噪主通道,以对所述降噪主通道的参数进行训练,得到初始降噪参数;将样本图像输入给所述子网络,以对所述子网络的初始特征提取参数和初始降噪参数进行调整,得到候选特征提取参数和候选降噪参数;将样本图像输入给初始网络模型,以对初始网络模型的各个子网络的候选特征提取参数和候选降噪参数进行调整,得到目标特征提取参数和目标降噪参数,基于目标特征提取参数和目标降噪参数生成目标网络模型。2.根据权利要求1所述的方法,其特征在于,同一子网络中的不同网络通道对应相同的初始特征提取参数、同一子网络中的不同网络通道对应相同的候选特征提取参数、同一子网络中的不同网络通道对应相同的目标特征提取参数;同一子网络中的不同网络通道对应相同的初始降噪参数、同一子网络中的不同网络通道对应相同的候选降噪参数、同一子网络中的不同网络通道对应相同的目标降噪参数;不同子网络中的网络通道对应不同或相同的初始特征提取参数、不同子网络中的网络通道对应不同或相同的候选特征提取参数、不同子网络中的网络通道对应不同或相同的目标特征提取参数;不同子网络中的网络通道对应不同或相同的初始降噪参数、不同子网络中的网络通道对应不同或相同的候选降噪参数、不同子网络中的网络通道对应不同或相同的目标降噪参数。3.根据权利要求1所述的方法,其特征在于,所述将样本图像输入给所述子网络中的网络通道的特征提取通道,以对所述特征提取通道的参数进行训练,得到初始特征提取参数,包括:将样本图像输入给所述子网络中的每个网络通道的特征提取通道,以得到特征矩阵;基于该特征矩阵与该样本图像确定网络通道对应的第一初始损失值;基于每个网络通道对应的第一初始损失值确定第一目标损失值,基于所述第一目标损失值对特征提取通道的参数进行调整,得到初始特征提取参数。4.根据权利要求1所述的方法,其特征在于,所述将样本图像输入给所述子网络中的网络通道的特征提取通道和降噪主通道,以对所述降噪主通道的参数进行训练,得到初始降噪参数,包括:将样本图像输入给所述子网络中的每个网络通道的特征提取通道,以得到所述样本图像对应的特征矩阵,并将所述特征矩阵输入给降噪主通道;
将样本图像输入给所述子网络中的每个网络通道的降噪主通道,以得到所述样本图像和所述特征矩阵对应的原始输出特征;基于该原始输出特征与该样本图像确定网络通道对应的第二初始损失值;基于每个网络通道对应的第二初始损失值确定第二目标损失值,基于所述第二目标损失值对降噪主通道的参数进行调整,得到初始降噪参数。5.根据权利要求1所述的方法,其特征在于,所述将样本图像输入给所述子网络,以对所述子网络的初始特征提取参数和初始降噪参数进行调整,得到候选特征提取参数和候选降噪参数,包括:将样本图像输入给所述子网络中的每个网络通道的特征提取通道,以得到特征矩阵;基于该特征矩阵确定该网络通道对应的第三初始损失值;将样本图像输入...
【专利技术属性】
技术研发人员:沈晰强,傅斌,刘刚,曾峰,
申请(专利权)人:杭州海康威视数字技术股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。