【技术实现步骤摘要】
图像处理方法、降噪模型训练方法及电子设备
[0001]本申请涉及人工智能领域,并且更具体地,涉及一种图像处理方法
、
降噪模型训练方法及电子设备
。
技术介绍
[0002]图像在成像
、
传输
、
获取的过程中,不可避免的会受到外界的干扰,使得图像中出现较多的噪声,并且失去原来的细节而变得模糊
。
为了恢复图像原来的细节,需要对图像进行降噪处理
。
[0003]神经网络模型可以用于图像降噪
。
利用降噪模型对待处理图像进行处理,可以得到降噪后的图像,降噪模型是训练得到是神经网络模型
。
但是,降噪后的图像可能过度平滑,使得一些原有的细节丢失
。
技术实现思路
[0004]本申请提供了一种图像处理方法
、
降噪模型训练方法及电子设备,能够平衡降噪模型的降噪能力与细节保留程度之间的矛盾,使得降噪模型在实现较好的降噪效果的同时,减少细节的丢失
。
[0005]第一方面,提供一种图像方法,所述方法包括:获取待处理图像;利用降噪模型对所述待处理图像进行处理,以得到目标图像,所述降噪模型是根据目标损失值对初始降噪模型进行参数调整得到的神经网络模型,所述初始降噪模型用于对样本图像进行处理,以得到训练图像,所述样本图像是对原图像添加样本噪声得到的,所述目标损失值是根据标签图像和所述样本图像之间的差异确定的,所述标签图像是对所述原图像添加标签噪声得到的,所述标签 ...
【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,所述方法包括:获取待处理图像;利用降噪模型对所述待处理图像进行处理,以得到目标图像,所述降噪模型是根据目标损失值对初始降噪模型进行参数调整得到的神经网络模型,所述初始降噪模型用于对样本图像进行处理以得到训练图像,所述样本图像是对原图像添加样本噪声得到的,所述目标损失值是根据标签图像和所述样本图像之间的差异确定的,所述标签图像是对所述原图像添加标签噪声得到的,所述标签噪声是根据标签系数与所述样本噪声确定的,所述标签系数的绝对值小于或等于预设阈值,所述训练图像与所述原图像之间的第一差异大于或等于所述标签图像与所述原图像之间的第二差异,所述预设阈值大于
0。2.
根据权利要求1所述的方法,其特征在于,所述标签系数的绝对值等于训练噪声系数的绝对值与所述预设阈值中最小值,所述训练噪声系数是使得剩余噪声最小的训练表示系数,所述剩余噪声是训练表示图像与所述训练图像之间的差异,所述训练表示图像是将训练表示噪声添加在所述原图像上得到的,所述训练表示噪声是所述训练表示系数乘以所述样本噪声得到的,所述标签系数的正负与所述训练噪声系数的正负相同
。3.
根据权利要求2所述的方法,其特征在于,所述目标损失值是对多个子损失值进行加权求和得到的,所述多个子损失值包括第一损失值和第二损失值,所述第一损失值用于表示所述样本图像和所述标签图像之间的差异,所述第二损失值用于表示所述训练图像与训练噪声图像之间的差异,所述训练噪声图像是所述训练表示系数为所述训练噪声系数的情况下的所述训练表示图像
。4.
根据权利要求3所述的方法,其特征在于,所述多个子损失值还包括第三损失值,所述第三损失值用于表示所述样本图像和所述原图像之间的差异
。5.
根据权利要求1‑4中任一项所述的方法,其特征在于,所述样本图像的数量为多个,多个所述样本图像对应于多个预设阈值
。6.
根据权利要求5所述的方法,其特征在于,多个所述样本图像中每个样本图像对应的预设阈值是根据图像类别与图像质量阈值的对应关系确定的,每个样本图像对应的预设阈值是使得测试图像的第一图像质量参数大于或等于目标图像质量阈值的最大的测试系数,所述测试图像是对所述原图像添加测试噪声得到的,所述目标图像质量阈值是所述原图像所属的目标图像类别对应的阈值,所述测试噪声是所述样本噪声乘以所述测试系数得到的,所述第一图像质量参数与图像质量正相关,或者每个样本图像的对应的预设阈值是使得测试图像的第二图像质量参数小于或等于目标图像质量阈值的最大的测试系数,所述第二图像质量参数与图像质量负相关,不同的图像类别对应于不同范围的色彩信息
。7.
根据权利要求1‑4中任一项所述的方法,其特征在于,人眼对所述原图像感知的第一图像质量与人眼对阈值图像感知的第二图像质量是相同的,所述阈值图像是在所述原图像上添加阈值噪声得到的图像,所述阈值噪声是所述样本图像对应的预设阈值与所述样本噪声的乘积
。8.
一种降噪模型训练方法,其特征在于,所述方法包括:获取样本图像,所述样本图像是对原图像添加样本噪声得到的;利用初始降噪模型用于对所述样本图像进行处理,以得到训练图像;对所述原图像添加标签噪声得到的标签图像,所述标签噪声是根据标签系数与所述样
本噪声确定的,所述标签系数的绝对值小于或等于预设阈值,所述训练图像与所述原图像之间的第一差异大于或等于所述标签图像与所述原图像之间的第二差异,所述预设阈值大于0;根据目标损失值,对所述初始降噪模型进...
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。