[發明專利]圖像去噪方法及裝置、計算機可讀存儲介質、終端

有效

• 申請號: 202110732834.1
• 申請日: 2021-06-29
• 公開（公告）號: CN113469911B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 胡伯承
• 申請（專利權）人: 展訊通信（上海）有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08;G06T5/50
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張英英;張振軍

1.一種圖像去噪方法，其特征在于，包括：

獲取待去噪圖像；

將所述待去噪圖像輸入至訓練好的神經網絡模型，所述神經網絡模型包括卷積層、輸入權重節點和輸出權重節點，所述輸入權重節點在訓練后學習得到輸入權重，所述輸出權重節點在訓練后學習得到輸出權重，所述卷積層輸出針對所述待去噪圖像去噪后的初始輸出圖像，所述待去噪圖像與所述初始輸出圖像分別經由所述輸入權重節點和所述輸出權重節點進行加權融合，以得到去噪后的圖像，所述去噪后的圖像為所述待去噪圖像與所述輸入權重的乘積加上所述初始輸出圖像與所述輸出權重的乘積；

輸出所述去噪后的圖像。

2.根據權利要求1所述的圖像去噪方法，其特征在于，所述神經網絡模型執行以下步驟獲得所述初始輸出圖像：

對所述待去噪圖像進行下采樣操作；

經過所述卷積層提取所述待去噪圖像的特征，并進行上采樣操作，得到所述初始輸出圖像。

3.根據權利要求1所述的圖像去噪方法，其特征在于，采用以下方式訓練所述神經網絡模型：

構建所述神經網絡模型，并初始化所述輸入權重和所述輸出權重；

獲取訓練數據集，所述訓練數據集包括噪聲圖像和干凈圖像，所述噪聲圖像和所述干凈圖像的像素點對齊；

將所述訓練數據集輸入至所述神經網絡模型，直至所述模型收斂。

4.根據權利要求1所述的圖像去噪方法，其特征在于，所述神經網絡模型的多個卷積層之間存在跳躍連接。

5.根據權利要求1所述的圖像去噪方法，其特征在于，所述神經網絡模型采用以下公式計算最小化損失：

其中，L表示損失值，θ表示所述神經網絡模型中的參數，n表示輸入的樣本數量，w₁表示輸入權重，w₂表示輸出權重，I_noisy表示所述待去噪圖像，I_clean表示所述待去噪圖像對應的目標干凈圖像，f(I_noisy,θ)表示所述初始輸出圖像。

6.根據權利要求1所述的圖像去噪方法，其特征在于，所述輸入權重和所述輸出權重選自標量、向量和張量。

7.一種圖像去噪裝置，其特征在于，包括：

獲取模塊，用于獲取待去噪圖像；

去噪模塊，用于將所述待去噪圖像輸入至訓練好的神經網絡模型，所述神經網絡模型包括卷積層、輸入權重節點和輸出權重節點，所述輸入權重節點在訓練后學習得到輸入權重，所述輸出權重節點在訓練后學習得到輸出權重，所述卷積層輸出針對所述待去噪圖像去噪后的初始輸出圖像，所述待去噪圖像與所述初始輸出圖像分別經由所述輸入權重節點和所述輸出權重節點進行加權融合，以得到去噪后的圖像，所述去噪后的圖像為所述待去噪圖像與所述輸入權重的乘積加上所述初始輸出圖像與所述輸出權重的乘積；

輸出模塊，用于輸出所述去噪后的圖像。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器運行時執行權利要求1至6中任一項所述圖像去噪方法的步驟。

9.一種終端，包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的計算機程序，其特征在于，所述處理器運行所述計算機程序時執行權利要求1至6中任一項所述圖像去噪方法的步驟。