图像的去噪方法及其装置制造方法及图纸

本发明专利技术公开了一种图像的去噪方法及其装置

【技术实现步骤摘要】
图像的去噪方法及其装置、电子设备及存储介质


[0001]本专利技术涉及人工智能领域，具体而言，涉及一种图像的去噪方法及其装置
、
电子设备及存储介质
。

技术介绍

[0002]随着数字化浪潮的兴起，各种技术被应用于金融业务
。
图像作为一种重要信息载体，在金融机构各业务环节都有涉及，例如，人脸安全识别
、
票据文字识别等
。
图像处理技术可被应用于相应的业务环节，以达到降本增效效果
。
然而，噪声等会影响图像质量，导致图像分割
、
识别等任务的准确度降低
。
因此，图像去噪技术得到了广泛地关注
。
[0003]相关技术中，卷积神经网络通过学习含噪图像和干净图像之间的映射关系，能够解决图像去噪问题，而提升基于卷积神经网络的图像去噪性能的方式往往是增加网络深度或部署更加复杂的结构
。
[0004]因此，虽然相关技术中的卷积神经网络能够在一定程度上提高去噪性能，然而依然存在许多问题，例如，梯度消失或爆炸导致模型训练困难
、
运行速度慢
、
参数量大等，无法在提高去噪性能的同时平衡模型的计算负荷
。
[0005]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

[0006]本专利技术实施例提供了一种图像的去噪方法及其装置
、
电子设备及存储介质，以至少解决相关技术中在提高去噪性能的同时，增大了模型的计算负荷的技术问题
。
[0007]根据本专利技术实施例的一个方面，提供了一种图像的去噪方法，包括：获取待去噪图像，并采用去噪模型中的卷积层对所述待去噪图像进行预处理，得到初始特征；采用所述去噪模型中的第一预设模块组处理所述初始特征，得到第一特定特征表示以及第一简明特征表示，并采用所述去噪模型中的第二预设模块组处理所述第一特定特征表示，得到第二特定特征表示以及第二简明特征表示，其中，所述第一特定特征表示
、
所述第一简明特征表示
、
所述第二特定特征表示以及所述第二简明特征表示都是用于对所述待去噪图像进行图像重建的特征表示；采用所述去噪模型对所述第一特定特征表示
、
所述第一简明特征表示
、
所述第二特定特征表示以及所述第二简明特征表示进行融合处理，得到目标特征；基于所述目标特征，采用所述去噪模型对所述待去噪图像进行重建，得到去噪图像
。
[0008]可选地，所述去噪方法还包括：构建初始去噪模型，其中，所述初始去噪模型的模型结构包括：卷积层
、
所述第一预设模块组
、
所述第二预设模块组
、
特征级联模块，所述卷积层用于提取输入数据的特征，所述第一预设模块组以及所述第二预设模块组由预设模块组成，所述预设模块用于提取不同方向上的方向感知特征，所述特征级联模块用于合并接收到的特征，所述初始去噪模型用于输出初始去噪图像；获取训练数据，其中，所述训练数据包括：历史待去噪图像集合
、
预设去噪图像集合，所述历史待去噪图像集合中的历史待去噪图像与所述预设去噪图像集合中的预设去噪图像一一对应；采用所述训练数据训练所述初
始去噪模型，直到损失函数计算的损失值属于预设损失阈值，得到去噪模型，其中，所述损失函数是基于所述初始去噪图像以及所述预设去噪图像构建的，所述去噪模型用于处理输入的所述待去噪图像，输出所述去噪图像
。
[0009]可选地，采用去噪模型中的卷积层对所述待去噪图像进行预处理，得到初始特征的步骤，包括：采用第一卷积层处理所述待去噪图像，得到第一特征；采用预设激活函数处理所述第一特征，得到第二特征；采用第二卷积层处理所述第二特征，得到所述初始特征
。
[0010]可选地，在采用去噪模型中的卷积层对所述待去噪图像进行预处理，得到初始特征之后，还包括：采用第三卷积层提取所述初始特征，得到水平方向感知特征；采用第四卷积层提取所述初始特征，得到垂直方向感知特征；采用预设特征筛选策略，筛选所述水平方向感知特征以及所述垂直方向感知特征，得到预设方向感知特征；将所述预设方向感知特征中的元素值与所述初始特征中的元素值进行相加处理，得到输出特征
。
[0011]可选地，采用预设特征筛选策略，筛选所述水平方向感知特征以及所述垂直方向感知特征，得到预设方向感知特征的步骤，包括：采用特征级联模块合并所述水平方向感知特征以及所述垂直方向感知特征，得到合并特征，其中，所述合并特征的特征大小为
2C
×
W
×
H
，
C
为合并通道数，
W
为合并宽度，
H
为合并高度，所述合并特征包括：多个通道特征位置值；基于所述合并宽度
、
所述通道特征位置值以及水平方向平均池化值，确定水平方向方差池化值，并基于所述合并高度
、
所述通道特征位置值以及垂直方向平均池化值，确定垂直方向方差池化值，其中，所述水平方向平均池化值是基于所述合并宽度以及所述通道特征位置值确定的，所述垂直方向平均池化值是基于所述合并高度以及所述通道特征位置值确定的；对所述水平方向方差池化值进行编码，得到水平方向特征权重，并对所述垂直方向方差池化值进行编码，得到垂直方向特征权重；对所述水平方向特征权重
、
所述垂直方向特征权重以及所述合并特征进行相乘处理，得到初始方向感知特征；对所述初始方向感知特征进行预设处理，得到所述预设方向感知特征
。
[0012]可选地，采用所述去噪模型中的第一预设模块组处理所述初始特征，得到第一特定特征表示以及第一简明特征表示的步骤，包括：对所述第一预设模块组中所有所述预设模块输出的输出特征进行级联处理，得到第一级联特征表示，并对所述第一级联特征表示进行压缩处理，得到所述第一特定特征表示；对所述第一预设模块组中所有所述预设模块输出的预设方向感知特征进行级联处理，得到第二级联特征表示；对所述第二级联特征表示进行压缩处理，得到所述第一简明特征表示
。
[0013]可选地，采用所述去噪模型中的第二预设模块组处理所述第一特定特征表示，得到第二特定特征表示以及第二简明特征表示的步骤，包括：对所述第二预设模块组中所有所述预设模块输出的输出特征进行级联处理，得到第三级联特征表示，并对所述第三级联特征表示进行压缩处理，得到所述第二特定特征表示；对所述第二预设模块组中所有所述预设模块输出的预设方向感知特征进行级联处理，得到第四级联特征表示；对所述第四级联特征表示进行压缩处理，得到所述第二简明特征表示
。
[0014]可选地，采用所述去噪模型对所述第一特定特征表示
、
所述第一简明特征表示
、
所述第二特定特征表示以及所述第二简明特征表示进行融合处理，得到目标特征的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像的去噪方法，其特征在于，包括：获取待去噪图像，并采用去噪模型中的卷积层对所述待去噪图像进行预处理，得到初始特征；采用所述去噪模型中的第一预设模块组处理所述初始特征，得到第一特定特征表示以及第一简明特征表示，并采用所述去噪模型中的第二预设模块组处理所述第一特定特征表示，得到第二特定特征表示以及第二简明特征表示，其中，所述第一特定特征表示
、
所述第一简明特征表示
、
所述第二特定特征表示以及所述第二简明特征表示都是用于对所述待去噪图像进行图像重建的特征表示；采用所述去噪模型对所述第一特定特征表示
、
所述第一简明特征表示
、
所述第二特定特征表示以及所述第二简明特征表示进行融合处理，得到目标特征；基于所述目标特征，采用所述去噪模型对所述待去噪图像进行重建，得到去噪图像
。2.
根据权利要求1所述的去噪方法，其特征在于，所述去噪方法还包括：构建初始去噪模型，其中，所述初始去噪模型的模型结构包括：卷积层
、
所述第一预设模块组
、
所述第二预设模块组
、
特征级联模块，所述卷积层用于提取输入数据的特征，所述第一预设模块组以及所述第二预设模块组由预设模块组成，所述预设模块用于提取不同方向上的方向感知特征，所述特征级联模块用于合并接收到的特征，所述初始去噪模型用于输出初始去噪图像；获取训练数据，其中，所述训练数据包括：历史待去噪图像集合
、
预设去噪图像集合，所述历史待去噪图像集合中的历史待去噪图像与所述预设去噪图像集合中的预设去噪图像一一对应；采用所述训练数据训练所述初始去噪模型，直到损失函数计算的损失值属于预设损失阈值，得到去噪模型，其中，所述损失函数是基于所述初始去噪图像以及所述预设去噪图像构建的，所述去噪模型用于处理输入的所述待去噪图像，输出所述去噪图像
。3.
根据权利要求1所述的去噪方法，其特征在于，采用去噪模型中的卷积层对所述待去噪图像进行预处理，得到初始特征的步骤，包括：采用第一卷积层处理所述待去噪图像，得到第一特征；采用预设激活函数处理所述第一特征，得到第二特征；采用第二卷积层处理所述第二特征，得到所述初始特征
。4.
根据权利要求1所述的去噪方法，其特征在于，在采用去噪模型中的卷积层对所述待去噪图像进行预处理，得到初始特征之后，还包括：采用第三卷积层提取所述初始特征，得到水平方向感知特征；采用第四卷积层提取所述初始特征，得到垂直方向感知特征；采用预设特征筛选策略，筛选所述水平方向感知特征以及所述垂直方向感知特征，得到预设方向感知特征；将所述预设方向感知特征中的元素值与所述初始特征中的元素值进行相加处理，得到输出特征
。5.
根据权利要求4所述的去噪方法，其特征在于，采用预设特征筛选策略，筛选所述水平方向感知特征以及所述垂直方向感知特征，得到预设方向感知特征的步骤，包括：采用特征级联模块合并所述水平方向感知特征以及所述垂直方向感知特征，得到合并
特征，其中，所述合并特征的特征大小为
2C
×
W
×
H
，
C
为合并通道数，
W
为合并宽度，
H
为合并高度，所述合并特征包括：多个通道特征位置值；基于所述合并宽度
、
所述通道特征位置值以及水平方向平均池化值，确定水平方向方差池化值，并基于所述合并高度
、
所述通道特征位置值以及垂直方向平均池化值，确定垂直方向方差池化值，其中，所述水平方向平均池化值是基于所述合并宽度以及...

【专利技术属性】
技术研发人员：江雪聪，
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：