[發明專利]圖像處理模型的訓練方法、圖像處理方法及裝置

在審

• 申請號: 202210573491.3
• 申請日: 2022-05-25
• 公開（公告）號: CN114972090A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 陳圣;曾定衡;王洪斌;周迅溢
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06N3/04;G06N3/08
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 徐晨影

本申請公開了一種圖像處理模型的訓練方法、圖像處理方法及裝置，用于提高圖像去噪效果。所述訓練方法包括：利用原始樣本圖像、原始樣本圖像對應的局部擦除圖像及基準去噪圖像，對待訓練模型進行模型迭代訓練，得到圖像處理模型；待訓練模型包括第一分支去噪網絡、第二分支去噪網絡和融合網絡；每次模型訓練的具體實現方式有：第一分支去噪網絡基于基準去噪圖像，對原始樣本圖像進行去噪處理，得到第一去噪圖像；第二分支去噪網絡對局部擦除圖像進行去噪處理，得到第二去噪圖像；融合網絡對第一去噪圖像和第二去噪圖像進行融合處理，得到第三去噪圖像；基于第一去噪圖像、第二去噪圖像、第三去噪圖像以及基準去噪圖像，調整待訓練模型的模型參數。

技術領域

本申請涉及圖像處理技術領域，尤其涉及一種圖像處理模型的訓練方法、圖像處理方法及裝置。

背景技術

隨著各種數字儀器和數碼產品的普及，圖像和視頻已成為人類活動中最常用的信息載體，它們包含著物體的大量信息，成為人們獲取外界原始信息的主要途徑。然而，在圖像的獲取、傳輸和存貯過程中常常會受到各種噪聲的干擾和影響而使得圖像降質，并且圖像預處理算法的好壞又直接關系到后續圖像處理的效果，如圖像分割、目標識別、邊緣提取等，所以為了獲取高質量數字圖像，很有必要對圖像進行去噪處理，以在保持原始信息的完整性(即主要特征)的同時，又能去除信號中無用的信息。

目前，常用的去噪方法是利用噪聲估計圖像作為輸入，通過權衡對均布噪聲的抑制和細節的保持，實現對圖像的去噪。但是，這種去噪方式對局部模糊的圖像去噪的效果較差。

發明內容

本申請實施例的目的是提供一種圖像處理模型的訓練方法、圖像處理方法及裝置，用于解決現有的去噪方法對局部模糊的圖像去噪的效果較差的問題。

為了實現上述目的，本申請實施例采用下述技術方案：

第一方面，本申請實施例提供一種圖像處理模型的訓練方法，包括：

利用原始樣本圖像、所述原始樣本圖像對應的局部擦除圖像及基準去噪圖像，對待訓練模型進行模型迭代訓練，得到圖像處理模型；

其中，所述待訓練模型包括第一分支去噪網絡、第二分支去噪網絡和融合網絡；每次模型迭代訓練的具體實現方式均有：

所述第一分支去噪網絡基于所述基準去噪圖像，對所述原始樣本圖像進行去噪處理，得到第一去噪圖像；

所述第二分支去噪網絡對所述局部擦除圖像進行去噪處理，得到第二去噪圖像；

所述融合網絡對所述第一去噪圖像和所述第二去噪圖像進行融合處理，得到第三去噪圖像；

基于所述第一去噪圖像、所述第二去噪圖像、所述第三去噪圖像以及所述基準去噪圖像，調整所述待訓練模型的模型參數。

可以看出，本申請實施例中，采用包含融合網絡和兩條分支去噪網絡的待訓練模型，基于半監督學習方法，由第一分支去噪網絡基于原始樣本圖像及其對應的基準去噪圖像進行有監督學習，通過從整體角度學習原始樣本圖像中的重要信息，得到整體效果上的第一去噪圖像；由第二條分支去噪網絡基于原始樣本圖像對應的局部擦除圖像進行無監督學習，由于局部擦除圖像相較于原始樣本圖像缺失了局部數據，使得第二分支去噪網絡能夠通過隨機性地能夠學習局部擦除圖像的、具有代表性的特征，得到局部效果上的第二去噪圖像，從而能夠為第一分支去噪網絡的有監督學習提供更多的指向性信息及多樣性信息；由融合網絡對有監督學習的效果和無監督學習的效果進行融合，得到相應的第三去噪圖像；進一步，基于各條分支去噪網絡及融合網絡各自得到的去噪圖像以及原始樣本圖像對應的基準去噪圖像，調整待訓練模型的模型參數，通過進行多次上述模型迭代訓練，使得待訓練模型能夠分別從圖像整體和局部對原始樣本圖像進行理解和學習，提煉出有指向性且多樣性的圖像特征而具備更優的去噪能力，從而得到的圖像處理模型無論是對整體模糊的圖像還是局部模糊的圖像，都具有較好的去噪效果。

第二方面，本申請實施例提供一種圖像處理方法，包括：