[發明專利]圖像處理方法、圖像處理裝置及存儲介質

在審

• 申請號: 202011282394.6
• 申請日: 2020-11-16
• 公開（公告）號: CN112288657A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 張亮
• 申請（專利權）人: 北京小米松果電子有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京鉦霖知識產權代理有限公司 11722
• 代理人: 李志新;劉亞平

1.一種圖像處理方法，其特征在于，應用于電子設備，所述電子設備中安裝有圖像采集裝置，所述圖像處理方法包括：

獲取所述圖像采集裝置采集的包括噪聲的待處理圖像；

將所述待處理圖像輸入多尺度去噪網絡模型，得到去除噪聲的目標圖像；

所述多尺度去噪網絡模型為基于所述圖像采集裝置采集的原始圖像，以及對所述原始圖像進行下間隔采樣后的圖像訓練得到。

2.根據權利要求1所述的圖像處理方法，其特征在于，所述多尺度去噪網絡模型采用如下方式基于所述圖像采集裝置采集的原始圖像，以及對所述原始圖像進行下間隔采樣后的圖像得到：

基于所述圖像采集裝置采集預設數量的原始圖像，并基于所述預設數量的原始圖像構建第一訓練樣本對集合，所述第一訓練樣本對集合中的第一樣本對包括基于所述原始圖像確定的第一噪聲圖像以及第一無噪聲圖像；

對所述第一訓練樣本對集合中的第一訓練樣本進行至少一次下間隔采樣，并基于所述第一訓練樣本對集合，以及進行至少一次下間隔采樣后獲得的訓練樣本對集合，訓練得到所述多尺度去噪網絡模型。

3.根據權利要求2所述的圖像處理方法，其特征在于，對所述第一訓練樣本對集合中的第一訓練樣本進行至少一次下間隔采樣，并基于所述第一訓練樣本對集合，以及進行至少一次下間隔采樣后的訓練樣本對集合，訓練得到所述多尺度去噪網絡模型，包括：

對所述第一訓練樣本對集合中的第一訓練樣本對進行下間隔采樣，得到第二訓練樣本對集合和第三訓練樣本對集合，

所述第二訓練樣本對集合中的第二訓練樣本對包括第二噪聲圖像和第二無噪聲圖像，且相對所述第一訓練樣本對具有第一下間隔采樣倍數，

所述第三訓練樣本對集合中的第三訓練樣本對包括第三噪聲圖像和第三無噪聲圖像，且相對所述第一訓練樣本對具有第二下間隔采樣倍數，

所述第一下間隔采樣倍數與所述第二下間隔采樣倍數不同；

基于所述第一訓練樣本對集合、所述第二訓練樣本對集合以及所述第三訓練樣本對集合，訓練得到所述多尺度去噪網絡模型。

4.根據權利要求3所述的圖像處理方法，其特征在于，所述基于所述第一訓練樣本對集合、所述第二訓練樣本對集合以及所述第三訓練樣本對集合，訓練得到所述多尺度去噪網絡模型，包括：

確定所述第一訓練樣本對集合對應的第一目標損失函數，所述第二訓練樣本對集合對應的第二目標損失函數，以及所述第三訓練樣本對集合對應的第三目標損失函數；

對所述第一目標損失函數、所述第二目標損失函數以及所述第三目標損失函數進行加權求和，得到用于訓練所述多尺度去噪網絡模型的多尺度目標損失函數，其中，所述第一目標損失函數、所述第二目標損失函數以及所述第三目標損失函數各自對應的權重依次減小；

基于所述多尺度目標損失函數訓練所述多尺度去噪網絡模型。

5.根據權利要求3或4所述的圖像處理方法，其特征在于，所述基于所述第一訓練樣本對集合、所述第二訓練樣本對集合以及所述第三訓練樣本對集合，訓練得到所述多尺度去噪網絡模型，包括：

分別對所述第一訓練樣本對集合、所述第二訓練樣本對集合以及所述第三訓練樣本對集合進行特征提取，得到第一特征、第二特征以及第三特征；

將所述第三特征以第二間隔倍數進行上間隔采樣后與所述第二特征進行特征融合，得到第一融合特征，并將所述第二特征以第一間隔倍數進行上間隔采樣后與所述第一特征進行特征融合，得到第二融合特征；

將所述第一融合特征和所述第二融合特征進行特征融合得到第三融合特征；

基于所述第一特征，所述第一融合特征以及所述第三融合特征，訓練得到所述多尺度去噪網絡模型。

6.根據權利要求2所述的圖像處理方法，其特征在于，基于所述預設數量的原始圖像構建第一訓練樣本對集合，包括：

基于所述圖像采集裝置采集的預設數量的原始圖像中，選擇清晰度最高的原始圖像作為參考圖像；

基于所述參考圖像進行對齊融合，得到與所述原始圖像對應的無噪聲圖像；

將所述參考圖像和所述無噪聲圖像作為第一訓練樣本對，構建第一訓練樣本對集合。