[發明專利]圖像去噪方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202110159110.2
• 申請日: 2021-02-05
• 公開（公告）號: CN112801908B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 呂孟葉
• 申請（專利權）人: 深圳技術大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06V10/74;G06V10/762;G06V10/80;G06V10/82;G06K9/62;G06F16/51;G06F16/55;G06F16/583;G06N3/04;G06N3/08
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 唐彩琴

本申請涉及一種圖像去噪方法、裝置、計算機設備和存儲介質。所述方法包括：獲取待去噪的低信噪比圖像數據；從預先建立的高信噪比圖像數據庫中獲取滿足相似度條件的參考圖像數據；所述高信噪比圖像數據庫根據多個不同對象對應的高信噪比圖像數據建立得到；對所述低信噪比圖像數據和所述參考圖像數據進行融合處理，以去噪得到所述低信噪比圖像數據對應的目標高信噪比圖像數據。采用本方法能夠有效避免去噪過程中產生的圖像失真。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種圖像去噪方法、裝置、計算機設備和存儲介質。

背景技術

圖像去噪(denoising)是一類可以通過從低信噪比圖像中恢復高信噪比圖像的技術，可以用來減少圖像獲取時間(因為一般來說獲得低信噪比圖片所需要的時間較短)，它還可以用于增強現有的數據集，以獲得更好的視覺感知和統計學分析(例如功能磁共振數據的分析)。圖像去噪在醫學領域應用十分廣泛，對于醫學圖像數據(例如CT、MRI、超聲)，為了提高診斷的效率和準確率，使用者(醫生或相關科研人員)可以通過圖像去噪在較短的時間內取得信噪比(signal-to-noise ratio)更高的圖片。

傳統技術中，在進行圖像去噪時，通常通過訓練圖像去噪模型，將待去噪的圖像輸入圖像去噪模型中，以得到去噪后的目標高信噪比圖像，這種去噪方式效果并不好，在提升信噪比的同時，常常會導致圖像失真。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠有效避免去噪過程中圖像失真的圖像去噪方法、裝置、計算機設備和存儲介質。

一種圖像去噪方法，所述方法包括：

獲取待去噪的低信噪比圖像數據；

從預先建立的高信噪比圖像數據庫中獲取滿足相似度條件的參考圖像數據；所述高信噪比圖像數據庫根據多個不同對象對應的高信噪比圖像數據建立得到；

對所述低信噪比圖像數據和所述參考圖像數據進行融合處理，以去噪得到所述低信噪比圖像數據對應的目標高信噪比圖像數據。

在一些實施例中，所述對所述低信噪比圖像數據和所述參考圖像數據進行融合處理包括：

分別提取所述低信噪比圖像數據和所述參考圖像數據的紋理特征，得到所述低信噪比圖像數據對應的低信噪比紋理特征及所述參考圖像數據對應的高信噪比紋理特征；

根據所述低信噪比紋理特征及所述高信噪比紋理特征進行融合處理，以去噪得到所述低信噪比圖像數據對應的目標高信噪比圖像數據。

在一些實施例中，在所述分別提取所述低信噪比圖像數據和所述參考圖像數據的紋理特征之前，所述方法還包括：

獲取訓練后的機器學習模型；所述機器學習模型包括特征提取層；

所述分別提取所述低信噪比圖像數據和所述參考圖像數據的紋理特征包括：

將所述低信噪比圖像數據與所述參考圖像數據輸入所述特征提取層，在所述特征提取層分別提取所述低信噪比圖像數據和所述參考圖像數據的紋理特征；

所述根據所述低信噪比紋理特征及所述高信噪比紋理特征進行融合處理，以去噪得到所述低信噪比圖像數據對應的目標高信噪比圖像數據包括：

通過所述機器學習模型對所述低信噪比紋理特征及所述高信噪比紋理特征進行融合處理，以去噪得到所述低信噪比圖像數據對應的目標高信噪比圖像數據。

在一些實施例中，所述機器學習模型還包括特征比對層和特征融合層；所述通過所述機器學習模型對所述低信噪比紋理特征及所述高信噪比紋理特征進行融合處理，以去噪得到所述低信噪比圖像數據對應的目標高信噪比圖像數據包括：