【技术实现步骤摘要】
一种免标定的RAW图像去噪方法、系统、介质及设备
[0001]本专利技术涉及图像处理
,尤其涉及一种免标定的
RAW
图像去噪方法
、
系统
、
介质及设备
。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术
。
[0003]自从
SIDD
的开创性工作以来,
RAW
数据在图像去噪方面的潜力就被探索
。
最近的工作从正常光图像去噪转向极低光环境,例如
SID(Learning to see in the dark)、ELD(Physics
‑
based noise modeling for extreme low
‑
light photography)。
尽管基于真实噪声的方法取得了有希望的结果,但收集大规模配对
(
低质量和高质量对
)
真实数据集的困难仍然是其部署的瓶颈
。
使用配对的低质量原始图像
(
例如
Noise2Noise
和
Noise2NoiseFlow)
进行训练,可以避免费力地收集噪声
‑
无噪图像对
。
然而,这些方法在强噪声和极暗场景中总是失败
。
[0004]基于合成噪声的方法可以避免收集成对数据集的繁琐工作,但实际的限制 ...
【技术保护点】
【技术特征摘要】
1.
一种免标定的
RAW
图像去噪方法,其特征在于,包括以下步骤:获取待去噪的
RAW
图像;给定一个去噪的神经网络,并在神经网络的每一个卷积层的模型内噪声去除模块前添加一个摄像机特定对齐模块分支,得到初步去噪模型;利用虚拟相机对初步去噪模型进行预训练;对预训练后的模型进行微调,其中微调过程为:对预训练后的模型进行微调;对微调后模型的摄像机特定对齐模块分支旁侧添加一个模型外噪声去除模块分支;对模型外噪声去除模块分支进行微调;利用微调后的去噪模型对
RAW
图像进行去噪处理
。2.
如权利要求1所述的免标定的
RAW
图像去噪方法,其特征在于,给定的去噪神经网络为
U
‑
Net
神经网络
。3.
如权利要求1所述的免标定的
RAW
图像去噪方法,其特征在于,添加的摄像机特定对齐模块为
m
路并行分支,每一路为一个逐通道的线性变换
。4.
如权利要求1所述的免标定的
RAW
图像去噪方法,其特征在于,利用虚拟相机对初步去噪模型进行预训练的具体步骤为:给定虚拟相机数以及相应的参数空间;对第
k
个相机,选择每一个参数区间的第
k
个
m
等分点并将其组合,得到一个虚拟相机的参数;利用虚拟相机的参数对给定的无噪声数据进行增强,并对初步去噪模型进行预训练
。5.
如权利要求1所述的免标定的
RAW
图像去噪方法,其特征在于,在预训练结束后,将摄像机特定对齐模块进行单路的逐通道线性变换,变换后的参数为之前分支路数的参数平均值
。6.
如权利要求5所述的免标定的
RAW...
【专利技术属性】
技术研发人员:郭春乐,靳鑫,肖嘉文,韩凌昊,刘夏雷,李重仪,程明明,
申请(专利权)人:南开大学,
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。