[发明专利]一种去除图像噪声的方法、装置、设备及卷积神经网络

权利要求书

1.一种去除图像噪声的方法，其特征在于，所述方法基于卷积神经网络去除图像噪声，所述卷积神经网络至少包括输出层和多个卷积层，每个卷积层包括多个卷积单元，所述方法包括：

获取待去噪图像的生成场景，所述场景包括不同亮度的拍境环境，或者，不同拍照模式下的拍照环境；

从预设的场景与网络权重系数的对应关系中，获取当前生成场景所对应的网络权重系数，所述网络权重系数包括卷积权重系数以及合成比例系数，所述卷积权重系数为所述卷积神经网络中每个卷积层所对应卷积单元的卷积系数，所述合成比例系数为所述卷积神经网络中输出层合成最后一卷积层中不同卷积单元所输出卷积运算结果的比例系数；

根据当前生成场景所对应的卷积权重系数，调整所述卷积神经网络中每个卷积层中卷积单元的卷积权重系数，以及，根据当前生成场景所对应的合成比例系数，调整所述卷积神经网络中输出层合成最后一卷积层中不同卷积单元所输出卷积运算结果的比例系数；

利用调整后的卷积神经网络，对所述待去噪图像执行去噪。

2.根据权利要求1所述的方法，其特征在于，所述场景与网络权重系数的对应关系通过下述方式获得：

针对一场景：

在所述场景下，获取多个无噪标准图像与带噪图像；

根据多个无噪标准图像与带噪图像，生成第一训练样本，所述第一训练样本中包括所述无噪标准图像的图像矩阵和带噪图像的图像矩阵；

利用第一训练样本对所述卷积神经网络进行训练，获得该场景对应的网络权重系数。

3.根据权利要求1所述的方法，其特征在于，所述场景与网络权重系数的对应关系通过下述方式获得：

针对一场景：

在所述场景下，获取多个无噪标准图像与带噪图像；

根据多个无噪标准图像与带噪图像，生成第一训练样本，所述第一训练样本包括多个无噪标准图像的图像矩阵和带噪图像的图像矩阵；

对所述带噪图像的图像矩阵和标准图像的图像矩阵进行处理，获取当前场景下噪声图像的图像矩阵；

根据所述噪声图像的图像矩阵和全零矩阵，生成第二训练样本，所述全零矩阵与噪声图像的图像矩阵大小相同；

将所述第一训练样本与第二训练样本按照预设系数进行混合，生成第三训练样本；

利用第三训练样本对所述卷积神经网络进行训练，获得该场景对应的网络权重系数。

4.根据权利要求3所述的方法，其特征在于，当所述带噪图像中的噪声为加性噪声时，对所述带噪图像的图像矩阵和标准图像的图像矩阵进行处理，获取当前场景下噪声图像的图像矩阵，包括：

将所述带噪图像的图像矩阵和无噪标准图像的图像矩阵作差，获得当前场景下噪声图像的图像矩阵。

5.根据权利要求2或3所述的方法，其特征在于，在所述场景下，获取多个无噪标准图像与带噪图像，包括：

在所述场景下，利用定标仪器采集多个无噪标准图像，所述定标仪器采集的图像为无噪声图像；

在所述场景下，采集相应的多个带噪图像。

6.根据权利要求2或3所述的方法，其特征在于，在所述场景下，获取多个无噪标准图像与带噪图像，包括：

获取内部存储的多个无噪标准图像，所述无噪标准图像为预先存储在终端内的；

在所述场景下，依次对多个无噪标准图像进行采集，获得该场景下的多个带噪图像。