[發(fā)明專利]信息處理方法及設(shè)備

在審

• 申請?zhí)枺?/td>: 201810386439.0
• 申請日: 2018-04-26
• 公開（公告）號: CN108537759A
• 公開（公告）日: 2018-09-14
• 發(fā)明（設(shè)計(jì)）人: 萬韶華
• 申請（專利權(quán)）人: 北京小米移動軟件有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 北京尚倫律師事務(wù)所 11477
• 代理人: 趙真

本公開提供信息處理方法及設(shè)備，信息處理方法包括：獲取原始圖像；將所述原始圖像輸入深度卷積網(wǎng)絡(luò)模型，所述深度卷積網(wǎng)絡(luò)模型用于根據(jù)噪聲圖像預(yù)測得到去噪圖像；通過所述深度卷積網(wǎng)絡(luò)模型得到預(yù)測圖像，所述預(yù)測圖像為所述深度卷積網(wǎng)絡(luò)模型根據(jù)所述原始圖像預(yù)測得到的去除噪聲后的圖像。該技術(shù)方案利用深度卷積網(wǎng)絡(luò)模型，根據(jù)原始圖像預(yù)測得到去除噪聲后的圖像。得益于深度卷積網(wǎng)絡(luò)強(qiáng)大的建模能力，深度卷積網(wǎng)絡(luò)模型可更準(zhǔn)確地預(yù)測噪聲信號的位置、強(qiáng)度，從而提高去噪的準(zhǔn)確性。

技術(shù)領(lǐng)域

本公開涉及信息技術(shù)領(lǐng)域，尤其涉及信息處理方法及設(shè)備。

背景技術(shù)

圖像去噪是圖像處理中極其重要的步驟，去噪常常在更高級的圖像處理步驟之前進(jìn)行，是圖像處理的基礎(chǔ)。噪聲信號的位置、強(qiáng)度均存在隨機(jī)性，如何提高去噪的準(zhǔn)確性是圖像去噪的難點(diǎn)。

發(fā)明內(nèi)容

本公開的實(shí)施例提供信息處理方法及設(shè)備，技術(shù)方案如下：

根據(jù)本公開實(shí)施例的第一方面，提供一種信息處理方法，包括：

獲取原始圖像；

將所述原始圖像輸入深度卷積網(wǎng)絡(luò)模型，所述深度卷積網(wǎng)絡(luò)模型用于根據(jù)噪聲圖像預(yù)測得到去噪圖像；

通過所述深度卷積網(wǎng)絡(luò)模型得到預(yù)測圖像，所述預(yù)測圖像為所述深度卷積網(wǎng)絡(luò)模型根據(jù)所述原始圖像預(yù)測得到的去除噪聲后的圖像。

本公開提供的技術(shù)方案，利用深度卷積網(wǎng)絡(luò)模型，根據(jù)原始圖像預(yù)測得到去除噪聲后的圖像。得益于深度卷積網(wǎng)絡(luò)強(qiáng)大的建模能力，深度卷積網(wǎng)絡(luò)模型可更準(zhǔn)確地預(yù)測噪聲信號的位置、強(qiáng)度，從而提高去噪的準(zhǔn)確性。

在一個實(shí)施例中，所述深度卷積網(wǎng)絡(luò)模型包括K個殘差結(jié)構(gòu)，K≥2，相鄰前一殘差結(jié)構(gòu)的輸出為相鄰后一殘差結(jié)構(gòu)的輸入；

每個殘差結(jié)構(gòu)通過L個連續(xù)的卷積層預(yù)測輸入圖像x的噪聲F(x)，輸出去除噪聲F(x)后的圖像F(x)+x，其中，L≥2，F(xiàn)(x)的參數(shù)為L個卷積層的參數(shù)。

在一個實(shí)施例中，所述獲取原始圖像之前，還包括：

以mean_squared_error為目標(biāo)函數(shù)，以噪聲圖訓(xùn)練樣本集訓(xùn)練深度卷積網(wǎng)絡(luò)，得到所述深度卷積網(wǎng)絡(luò)模型的每個殘差結(jié)構(gòu)中各卷積層的參數(shù)。

在一個實(shí)施例中，所述獲取原始圖像，包括：

獲取原始RGB圖像；

或者，獲取原始紅外圖像；

或者，獲取原始深度圖像。

在一個實(shí)施例中，所述將所述原始圖像輸入深度卷積網(wǎng)絡(luò)模型之前，還包括：

填補(bǔ)所述原始圖像中的缺失值。

根據(jù)本公開實(shí)施例的第二方面，提供一種信息處理設(shè)備，包括：

獲取模塊，用于獲取原始圖像；

輸入模塊，用于將所述原始圖像輸入預(yù)測模塊的深度卷積網(wǎng)絡(luò)模型，所述深度卷積網(wǎng)絡(luò)模型用于根據(jù)噪聲圖像預(yù)測得到去噪圖像；

所述預(yù)測模塊，用于通過所述深度卷積網(wǎng)絡(luò)模型得到預(yù)測圖像，所述預(yù)測圖像為所述深度卷積網(wǎng)絡(luò)模型根據(jù)所述原始圖像預(yù)測得到的去除噪聲后的圖像。

在一個實(shí)施例中，所述預(yù)測模塊的深度卷積網(wǎng)絡(luò)模型包括K個殘差結(jié)構(gòu)，K≥2，相鄰前一殘差結(jié)構(gòu)的輸出為相鄰后一殘差結(jié)構(gòu)的輸入；

每個殘差結(jié)構(gòu)通過L個連續(xù)的卷積層預(yù)測輸入圖像x的噪聲F(x)，輸出去除噪聲F(x)后的圖像F(x)+x，其中，L≥2，F(xiàn)(x)的參數(shù)為L個卷積層的參數(shù)。

在一個實(shí)施例中，所述預(yù)測模塊包括：