【技术实现步骤摘要】
本公开涉及图像与视频处理，尤其涉及一种图像降噪模型的训练方法、图像降噪方法、图像降噪模型的训练装置、图像降噪装置、计算机可读存储介质与电子设备。
技术介绍
1、图像噪声是指存在于图像数据中的干扰信息，其来源包括图像采集过程中图像传感器的热噪声、暗电流噪声，图像传输过程中外部干扰导致的信号噪声等。因此，需要对图像进行降噪。
2、相关技术中，图像降噪的效果还不理想，例如无法有效检测出某一种或多种类型的噪声，导致降噪后的图像中仍然存在大量噪声，影响图像质量。
技术实现思路
1、本公开提供一种图像降噪模型的训练方法、图像降噪方法、图像降噪模型的训练装置、图像降噪装置、计算机可读存储介质与电子设备，以至少在一定程度上提升图像降噪的效果。
2、根据本公开的第一方面，提供一种图像降噪模型的训练方法，包括：获取参考图像，根据参考噪声信息对所述参考图像添加噪声，生成第一待降噪图像；将所述第一待降噪图像输入待训练的图像降噪模型，由所述图像降噪模型的第一子模型输出所述第一待降噪图像对应的第一已降噪图像，由所述图像降噪模型的第二子模型输出所述第一待降噪图像对应的样本噪声信息；所述第二子模型的输入端连接所述第一子模型的至少一个中间层；通过比较所述第一已降噪图像和所述参考图像确定第一损失函数值，通过比较所述样本噪声信息和所述参考噪声信息确定第二损失函数值；基于所述第一损失函数值和所述第二损失函数值更新所述图像降噪模型的参数。
3、根据本公开的第二方面，提供一种图像降噪方法，
4、根据本公开的第三方面，提供一种图像降噪模型的训练装置，包括：图像获取模块，被配置为获取参考图像，根据参考噪声信息对所述参考图像添加噪声，生成第一待降噪图像；模型处理模块，被配置为将所述第一待降噪图像输入待训练的图像降噪模型，由所述图像降噪模型的第一子模型输出所述第一待降噪图像对应的第一已降噪图像，由所述图像降噪模型的第二子模型输出所述第一待降噪图像对应的样本噪声信息；所述第二子模型的输入端连接所述第一子模型的至少一个中间层；损失函数处理模块，被配置为通过比较所述第一已降噪图像和所述参考图像确定第一损失函数值，通过比较所述样本噪声信息和所述参考噪声信息确定第二损失函数值；参数更新模块，被配置为基于所述第一损失函数值和所述第二损失函数值更新所述图像降噪模型的参数。
5、根据本公开的第四方面，提供一种图像降噪装置，包括：模型获取模块，被配置为获取预先训练的图像降噪模型，所述图像降噪模型是根据第一方面的图像降噪模型的训练方法训练得到的；模型处理模块，被配置为将第二待降噪图像输入所述图像降噪模型，由所述图像降噪模型的第一子模型输出所述第二待降噪图像对应的第二已降噪图像。
6、根据本公开的第五方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面的训练方法及其可能的实现方式，或者上述第二方面的图像降噪方法及其可能的实现方式。
7、根据本公开的第六方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令，来执行上述第一方面的训练方法及其可能的实现方式，或者上述第二方面的图像降噪方法及其可能的实现方式。
8、本公开的技术方案具有以下有益效果：
9、一方面，图像降噪模型包括第一子模型和第二子模型，第一子模型用于提取特征并输出降噪后的图像，第二子模型用于重建噪声信息，相应地，采用第一损失函数值和第二损失函数值更新模型参数，第一损失函数值能够监督模型进行准确降噪，第二损失函数值能够监督模型进行准确的噪声信息重建。由此，第二子模型能够引导第一子模型更加准确、充分地学习到噪声信息，从而提升整个模型对噪声信息的学习能力，例如能够学习到不同种类的噪声信息。进一步的，经过训练的图像降噪模型可以部署在实际的图像处理环境中，有利于改善降噪效果。另一方面，本方案实现了对单帧图像的降噪，无需增加曝光时间或利用时域信息，改善了图像中的“鬼影”现象，并降低了图像拍摄成本。
本文档来自技高网...【技术保护点】
1.一种图像降噪模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在根据参考噪声信息对所述参考图像添加噪声前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述噪声参数包括泊松噪声参数和高斯噪声参数；所述感光度与噪声参数之间的对应关系包括第一线性函数和第二线性函数，其中，感光度的对数与泊松噪声参数之间为第一线性函数，感光度的对数与高斯噪声参数之间为第二线性函数。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述由所述图像降噪模型的第一子模型输出所述第一待降噪图像对应的第一已降噪图像，由所述图像降噪模型的第二子模型输出所述第一待降噪图像对应的样本噪声信息，包括：
6.根据权利要求5所述的方法，其特征在于，所述第一子模型包括依次连接的n个特征单元、特征映射层、图像输出层；所述由所述第一子模型对所述第一待降噪图像依次提取第1层级到第n层级的特征图像并基于第n层级的特征图像得到第一噪声掩膜，根据所述第一噪声掩膜对所述第一待降噪图像
7.根据权利要求6所述的方法，其特征在于，所述n个特征单元中的第i特征单元包括特征提取子单元和特征优化子单元；所述特征优化子单元包括通道分支、空间分支、融合层；所述依次由所述n个特征单元提取所述第一待降噪图像的第1层级到第n层级的特征图像，包括：
8.根据权利要求5所述的方法，其特征在于，所述根据所述第一噪声掩膜对所述第一待降噪图像进行噪声减除，输出所述第一已降噪图像，包括：
9.根据权利要求1所述的方法，其特征在于，所述通过比较所述第一已降噪图像和所述参考图像确定第一损失函数值，包括：
10.一种图像降噪方法，其特征在于，包括：
11.根据权利要求10所述的方法，其特征在于，所述将第二待降噪图像输入所述图像降噪模型，由所述图像降噪模型的第一子模型输出所述第二待降噪图像对应的第二已降噪图像，包括：
12.根据权利要求11所述的方法，其特征在于，所述方法还包括：
13.一种图像降噪模型的训练装置，其特征在于，包括：
14.一种图像降噪装置，其特征在于，包括：
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至12任一项所述的方法。
16.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种图像降噪模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在根据参考噪声信息对所述参考图像添加噪声前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述噪声参数包括泊松噪声参数和高斯噪声参数；所述感光度与噪声参数之间的对应关系包括第一线性函数和第二线性函数，其中，感光度的对数与泊松噪声参数之间为第一线性函数，感光度的对数与高斯噪声参数之间为第二线性函数。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述由所述图像降噪模型的第一子模型输出所述第一待降噪图像对应的第一已降噪图像，由所述图像降噪模型的第二子模型输出所述第一待降噪图像对应的样本噪声信息，包括：
6.根据权利要求5所述的方法，其特征在于，所述第一子模型包括依次连接的n个特征单元、特征映射层、图像输出层；所述由所述第一子模型对所述第一待降噪图像依次提取第1层级到第n层级的特征图像并基于第n层级的特征图像得到第一噪声掩膜，根据所述第一噪声掩膜对所述第一待降噪图像进行噪声减除，输出所述第一已降噪图像，包括：
7.根据权利要求6所述的方法，其特征在于，所述n...
【专利技术属性】
技术研发人员：王东，
申请(专利权)人：OPPO广东移动通信有限公司，
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。