[發明專利]基于深度學習的圖像去噪方法

在審

• 申請號: 202010748359.2
• 申請日: 2020-07-30
• 公開（公告）號: CN111932474A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 伍廣彬;杜佳芝;言宏亮;于波;張華;劉自珍;曹晟;夏壯;石超
• 申請（專利權）人: 深圳市格靈人工智能與機器人研究院有限公司;深圳市格靈人工智能與機器人研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 黃廣龍

本發明公開了一種基于深度學習的圖像去噪方法，涉及圖像處理領域。基于深度學習的圖像去噪方法包括：將噪聲圖像和噪聲水平輸入到圖像處理模型中進行處理；利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節。本發明能夠通過獲取噪聲圖像和噪聲水平，并將噪聲圖像輸入到圖像處理模型中，同時，通過噪聲水平輸入圖像處理模型后形成縮放特征調節參數和偏移特征調節參數，對噪聲圖像去噪過程進行多層縮放和偏移特征變化的調節，從而輸出清晰圖片，通過圖像處理模型中對噪聲圖像去噪過程進行多層縮放以及調節偏移特征來解決了目前圖像去噪方法存在的靈活性和可控性低的問題，提高了圖像去噪的靈活性和可控性。

技術領域

本發明涉及圖像處理領域，尤其是涉及一種基于深度學習的圖像去噪方法。

背景技術

圖像處理是指用圖像處理設備對圖像進行一系列的處理，最終達到人們要求的水平。例如，圖像去噪就是圖像處理中相對重要的一項處理，現實中的圖像在數字化和傳輸過程中常常受到各種因素的影響，形成了噪聲圖像，圖像去噪能夠有效減少圖像中的噪聲，使圖像更加清晰。

目前，圖像去噪方法存在靈活性和可控性低的問題，圖像去噪效果并不理想。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一。為此，本發明提出一種基于深度學習的圖像去噪方法，能夠提高圖像去噪的靈活性和可控性。

本發明還提出一種圖像處理裝置。

本發明還提出一種電子設備。

本發明還提出一種計算機可讀存儲介質。

根據本發明的第一方面實施例的基于深度學習的圖像去噪方法，包括：

將噪聲圖像和噪聲水平輸入到圖像處理模型中進行處理；利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節。

根據本發明實施例的基于深度學習的圖像去噪方法，至少具有如下有益效果：能夠通過獲取噪聲圖像和噪聲水平，并將噪聲圖像輸入到圖像處理模型中，同時，通過噪聲水平輸入圖像處理模型后形成縮放特征調節參數和偏移特征調節參數，對噪聲圖像去噪過程進行多層縮放和偏移特征變化的調節，從而輸出清晰圖片，通過圖像處理模型中對噪聲圖像去噪過程進行多層縮放以及調節偏移特征來解決了目前圖像去噪方法存在的靈活性和可控性低的問題，提高了圖像去噪的靈活性和可控性。

根據本發明的一些實施例，所述圖像處理模型包括參數生成網絡和圖像去噪子網絡；所述利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節，包括：根據所述參數生成網絡生成縮放特征調節參數和偏移特征調節參數；將所述縮放特征調節參數和偏移特征調節參數輸入到所述圖像去噪子網絡中，對所述噪聲圖像的特征進行處理。

根據本發明的一些實施例，所述縮放系數由Sigmoid激活函數生成。

根據本發明的一些實施例，所述偏移系數由Tanh激活函數生成。

根據本發明的一些實施例，所述利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節包括：利用優化算法加入到所述圖像處理模型中對所述噪聲圖像進行優化處理后輸出清晰圖像。

根據本發明的一些實施例，所述優化算法包括Adam優化算法。

根據本發明的一些實施例，所述圖像處理模型可以為多個；利用所述圖像處理模型對所述噪聲圖像去噪過程進行多層縮放和偏移特征變換調節，包括：分別將所述噪聲圖像和所述噪聲水平輸入到每個所述圖像處理模型中進行處理。

根據本發明的第二方面實施例的圖像處理裝置，包括：輸入模塊，將噪聲圖像和噪聲水平輸入到圖像處理模型中進行處理；圖像處理模塊，利用所述圖像處理模型對所述噪聲圖像進行多層縮放和偏移特征變換調節。