人工智能模型训练和图像前景降噪方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种人工智能模型训练和图像前景降噪方法、计算机装置和存储介质，本发明专利技术能够训练得到图像分割模型和图像降噪模型，图像分割模型和图像降噪模型联合起来具有对图像数据进行前景背景分割、前景降噪的性能，能够对图像的前景部分进行降噪，而对背景部分则可以不进行降噪处理，可以在保持良好的降噪效果的同时，减少降噪所需的数据处理量，另一方面，通过使用图像分割模型和图像降噪模型，能够减少使用人工操作，提高处理效率和精度；本发明专利技术能够使用训练好的图像分割模型和图像降噪模型自动对待处理图像数据进行降噪，具有良好的处理效率和精度，能够保留待处理图像数据的细节和连续性。本发明专利技术本发明专利技术广泛应用于图像处理技术领域。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其是一种人工智能模型训练和图像前景降噪方法、计算机装置和存储介质。

技术介绍

1、在摄像机拍摄或者显微数码成像装置成像等过程中，容易受到噪声的干扰，从而在图像中形成噪点，降低图像的品质，因此存在着对图像进行降噪的需求。但是，目前的图像降噪技术普遍存在着需要人工操作、效率低、精度差、容易丢失细节和连续性等问题。

技术实现思路

1、针对目前的图像降噪技术普遍存在着需要人工操作、效率低、精度差、容易丢失细节和连续性等技术问题，本专利技术的目的在于提供一种人工智能模型训练和图像前景降噪方法、计算机装置和存储介质。

2、一方面，本专利技术实施例包括一种人工智能模型训练方法，所述人工智能模型训练方法包括以下步骤：

3、获取训练数据集；所述训练数据集包括训练图像数据和标签数据；

4、获取图像分割模型；所述图像分割模型用于将接收到的图像数据分割成前景数据和背景数据；

5、获取图像降噪模型；所述图像降噪模型用于从所述图像分割模型获取所述前景数据，对所述前本文档来自技高网...

【技术保护点】

1.一种人工智能模型训练方法，其特征在于，所述人工智能模型训练方法包括：

2.根据权利要求1所述的人工智能模型训练方法，其特征在于，所述获取训练数据集，包括：

3.根据权利要求2所述的人工智能模型训练方法，其特征在于，所述向所述低噪图像数据添加噪声，获得所述训练图像数据，包括：

4.根据权利要求2所述的人工智能模型训练方法，其特征在于，所述向所述低噪图像数据添加噪声，获得所述训练图像数据，包括：

5.根据权利要求1所述的人工智能模型训练方法，其特征在于，所述图像分割模型用于：

6.根据权利要求1所述的人工智能模型训练方法，其特征...

【技术特征摘要】

1.一种人工智能模型训练方法，其特征在于，所述人工智能模型训练方法包括：

2.根据权利要求1所述的人工智能模型训练方法，其特征在于，所述获取训练数据集，包括：

3.根据权利要求2所述的人工智能模型训练方法，其特征在于，所述向所述低噪图像数据添加噪声，获得所述训练图像数据，包括：

4.根据权利要求2所述的人工智能模型训练方法，其特征在于，所述向所述低噪图像数据添加噪声，获得所述训练图像数据，包括：

5.根据权利要求1所述的人工智能模型训练方法，其特征在于，所述图像分割模型用于：

6.根据权利要求1所述的人工智能模型训练方法，其特征在于，所述图像降噪模型用于：

7.根据权利要求1...

【专利技术属性】
技术研发人员：丘淼林，尤学强，唐惠琼，郑建超，张小刚，汪鱼洋，王刚，蒋飞，
申请(专利权)人：珠海中科慧智科技有限公司，
类型：发明
国别省市：