图像处理方法技术

本申请应用于人工智能领域，提供了一种图像处理方法

【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。
[0006]本申请实施例提供的图像处理方法，利用训练得到的降噪模型对待处理图像进行处理
。
在训练得到降噪模型的过程中，利用初始降噪模型对样本图像进行处理得到训练图像，根据标签图像与样本图像之间的差异调整初始降噪模型的参数，其中，标签图像是对原图像添加标签噪声得到的，标签噪声是根据标签系数与样本噪声确定，标签系数的绝对值小于或等于预设阈值，且标签噪声与原图像之间的差异小于或等于训练图像与原图像之间的差异
。
根据图像质量要求，为样本图像设置预设阈值作为样本噪声的噪声强度的边界值，标签图像中样本噪声的强度小于或等于该预设阈值
。
本申请的方法不再以原图像作为标签图像，而是将添加有标签噪声得到的图像作为标签图像，标签噪声是根据标签系数与样本噪声确定
。
从而，降低训练得到的降噪模型对待处理图像处理得到的目标图像过度平滑导致细节丢失的可能性，并且具有较好的降噪效果
。
[0007]在一种可能的实现方式中，标签噪声的幅度小于或等于标签系数与样本噪声的乘积
。
[0008]在一种可能的实现方式中，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
。
[0009]标签系数可以理解为标签图像中样本噪声的强度
。
在训练噪声系数的绝对值小于或等于样本图像对应的预设阈值的情况下，标签噪声是根据训练噪声系数与样本噪声确定的，可以时训练噪声系数与样本噪声的乘积；在训练噪声系数的绝对值大于样本图像对应的预设阈值的情况下，标签系数的绝对值等于样本图像对应的预设阈值，标签系数的正负与训练噪声系数的正负相同
。
[0010]标签系数的设置更加贴近设置预设阈值所依据的标准的下限，从而训练得到的降噪模型能够在目标图像更符合设置预设阈值所依据的标准的情况下，进一步降低目标图像的细节丢失的可能性和程度
。
[0011]在一种可能的实现方式中，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
。
[0012]该多个子损失值包括第二损失值，从而将可能降低训练得到的降噪模型对待处理图像进行处理得到的目标图像的过程中在目标图像中添加新的噪声
。
[0013]训练噪声图像也可以理解为将训练剩余噪声添加在原图像上得到的
。
训练剩余噪声是与训练图像中的噪声差异最小的噪声，且训练剩余噪声与样本噪声为正比例关系
。
训练剩余噪声也可以理解为训练表示系数为训练噪声系数的情况下的剩余噪声
。
[0014]在一种可能的实现方式中，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
。
[0015]在一种可能的实现方式中，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
。
[0016]多个样本图像对应于多个预设阈值，使得预设阈值可以根据样本图像的具体情况灵活设置
。
每个样本图像对应的预设阈值可以分别进行设置，使得每个样本图像对应的预设阈值更加贴近预设阈值所需满足的最低限度要求，从而进一步降低目标图像的细节丢失的可能性和程度
。
[0017]在一种可能的实现方式中，所述多个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
。
[0018]根据图像的色彩信息，对图像进行类别的划分
。
对于每个图像所述的类别，确定该类别对应的图像质量阈值
。
从而，在使得样本图像对应的预设阈值的设置更加符合每个样本图像对应的原图像对图像质量的最低要求的同时，降低人工成本
。
[0019]在一种可能的实现方式中，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预设阈值与所述样本噪本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：夏致冰，郑煜伟，
申请(专利权)人：荣耀终端有限公司，
类型：发明
国别省市：