[發(fā)明專利]基于噪聲場的圖像降噪方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110219477.9
• 申請日: 2021-02-26
• 公開（公告）號: CN112950501B
• 公開（公告）日: 2023-10-13
• 發(fā)明（設(shè)計）人: 陳昊
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/0455;G06N3/0464;G06N3/084;G06N3/08
• 代理公司: 深圳市世聯(lián)合知識產(chǎn)權(quán)代理有限公司 44385
• 代理人: 汪琳琳

本申請公開了一種基于噪聲場的圖像降噪方法、裝置、設(shè)備及存儲介質(zhì)，屬于人工智能技術(shù)領(lǐng)域，本申請通過獲取待降噪圖像以及與待降噪圖像相對應(yīng)的無噪聲圖像，將無噪聲圖像輸入預(yù)設(shè)的噪聲分布模型，并在噪聲分布模型中構(gòu)建無噪聲圖像的高斯?泊松聯(lián)合噪聲分布函數(shù)，根據(jù)高斯?泊松聯(lián)合噪聲分布函數(shù)獲取待降噪圖像的噪聲分布信息，將待降噪圖像和噪聲分布信息導(dǎo)入到預(yù)先訓(xùn)練好的降噪模型，根據(jù)噪聲分布信息在以降噪模型中對待降噪圖像進(jìn)行降噪，得到去噪圖像。此外，本申請還涉及區(qū)塊鏈技術(shù)，待降噪圖像和無噪聲圖像可存儲于區(qū)塊鏈中。本申請基于噪聲分布來進(jìn)行降噪，不僅能夠獲得清晰、干凈的降噪圖像，而且能夠防止圖像降噪過程中產(chǎn)生的畸變。

技術(shù)領(lǐng)域

本申請涉及人工智能技術(shù)領(lǐng)域，具體涉及一種基于噪聲場的圖像降噪方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著人工智能在金融領(lǐng)域中的廣泛使用，在移動端開展金融行為的場景越來越豐富，這些場景中均涉及到較為嚴(yán)格的審批業(yè)務(wù)，如人臉識別業(yè)務(wù)，人臉識別業(yè)務(wù)需要進(jìn)行客戶圖像的抽取，出于體驗感的考慮，這種留底往往是基于相機(jī)拍攝的聯(lián)系視頻中抽幀所得的圖片，但目前通過這種方式得到的圖片往往質(zhì)量得不到保障，尤其是移動端本身的移動會造成圖像的模糊，這樣的圖像缺陷對于后續(xù)的諸如人臉識別等任務(wù)來說是不利的。因此，為了有效提高后續(xù)業(yè)務(wù)諸如人臉識別的準(zhǔn)確率，優(yōu)化圖像質(zhì)量勢在必行。

優(yōu)化圖像質(zhì)量過程的一個必要的步驟是對圖像進(jìn)行降噪處理，通常圖像降噪分為兩種思路：一是采用人為設(shè)計模型的方式來進(jìn)行圖像降噪；二是采用深度學(xué)習(xí)預(yù)估的方式來進(jìn)行圖像降噪。前者往往因為設(shè)計的模型只能針對某一種特定情況，因而在大多數(shù)情況下適用性不強(qiáng)；近年來興起的深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的圖像降噪方法，雖然具有較好的適應(yīng)性，但是深度學(xué)習(xí)預(yù)估的方式實(shí)際的原理在于使模型對圖像整體進(jìn)行預(yù)測，在對圖像進(jìn)行預(yù)測之后，根據(jù)預(yù)測結(jié)果對圖像整體統(tǒng)一進(jìn)行降噪處理，但這種整體降噪的方式往往會在局部區(qū)域造成圖像的畸變。

發(fā)明內(nèi)容

本申請實(shí)施例的目的在于提出一種基于噪聲場的圖像降噪方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，以解決現(xiàn)有的圖像降噪方案存在的適用性不強(qiáng)，且降噪后存在的局部區(qū)域圖像畸變的技術(shù)問題。

為了解決上述技術(shù)問題，本申請實(shí)施例提供一種基于噪聲場的圖像降噪方法，采用了如下所述的技術(shù)方案：

一種基于噪聲場的圖像降噪方法，包括：

獲取待降噪圖像以及與待降噪圖像相對應(yīng)的無噪聲圖像；

將無噪聲圖像輸入預(yù)設(shè)的噪聲分布模型，并在噪聲分布模型中構(gòu)建無噪聲圖像的高斯-泊松聯(lián)合噪聲分布函數(shù)；

根據(jù)高斯-泊松聯(lián)合噪聲分布函數(shù)獲取待降噪圖像的噪聲分布信息；

將待降噪圖像和噪聲分布信息導(dǎo)入到預(yù)先訓(xùn)練好的降噪模型，根據(jù)噪聲分布信息在以降噪模型中對待降噪圖像進(jìn)行降噪，得到去噪圖像。

進(jìn)一步地，噪聲分布模型中預(yù)設(shè)有一個高斯核和一個泊松核，將無噪聲圖像輸入預(yù)設(shè)的噪聲分布模型，并在噪聲分布模型中構(gòu)建無噪聲圖像的高斯-泊松聯(lián)合噪聲分布函數(shù)的步驟，具體包括：

將無噪聲圖像輸入到噪聲分布模型中，通過噪聲分布模型獲取無噪聲圖像的像素信息；

基于無噪聲圖像的像素信息、泊松核以及高斯核構(gòu)建無噪聲圖像的高斯-泊松聯(lián)合噪聲分布函數(shù)。

進(jìn)一步地，在將無噪聲圖像輸入到噪聲分布模型中，通過噪聲分布模型獲取無噪聲圖像的像素信息的步驟之前，還包括：

從預(yù)設(shè)的圖像數(shù)據(jù)庫中獲取樣本圖像，將樣本圖像輸入到預(yù)設(shè)的初始噪聲分布模型，獲取初始噪聲分布模型的輸出結(jié)果；

構(gòu)建初始噪聲分布模型的損失函數(shù)，基于輸出結(jié)果和預(yù)設(shè)標(biāo)準(zhǔn)結(jié)果，使用噪聲分布模型的損失函數(shù)進(jìn)行誤差計算，獲取識別誤差；