[发明专利]基于多帧图像的图像处理方法和装置

权利要求书

1.一种基于多帧图像的图像处理方法，其特征在于，包括：

获取多帧原始图像，所述多帧原始图像包括曝光度不同的多帧图像；

根据各帧原始图像的曝光度，选择各帧原始图像对应的神经网络模型进行降噪处理，以得到各帧降噪后的原始图像；

根据各帧降噪后的原始图像，合成得到目标图像；

所述根据各帧原始图像的曝光度，选择各帧原始图像对应的神经网络模型进行降噪处理，以得到各帧降噪后的原始图像包括：

根据所述多帧原始图像的曝光补偿等级选择参考图像；

选择与所述参考图像对应的神经网络模型对所述参考图像进行噪声识别以进行降噪处理；

根据所述识别的结果确定其他图像是否可以采用与所述参考图像对应的神经网络模型进行降噪处理。

2.根据权利要求1所述的方法，其特征在于，所述根据各帧原始图像的曝光度，选择各帧原始图像对应的神经网络模型进行降噪处理，包括：

根据各帧原始图像的曝光度，确定各帧原始图像对应的神经网络模型；

根据各神经网络模型对对应原始图像进行噪声特性识别，以识别出各帧原始图像中的噪声特性，其中，所述神经网络模型，已学习得到在对应曝光度下，对应原始图像的感光度与噪声特性之间的映射关系；

根据各帧原始图像中的噪声特性对对应的原始图像进行降噪处理，以得到各帧降噪后的原始图像。

3.根据权利要求2所述的方法，其特征在于，所述神经网络模型，是在对应曝光度下，采用各感光度的样本图像对所述神经网络模型进行训练，直至所述神经网络模型识别出的噪声特性与相应样本图像中标注的噪声特性匹配时，所述神经网络模型训练完成。

4.根据权利要求2所述的方法，其特征在于，所述多帧原始图像包括至少一帧第一图像和第二图像，其中，所述第一图像的曝光度低于所述第二图像的曝光度；

所述根据各帧原始图像的曝光度，选择各帧原始图像对应的神经网络模型进行降噪处理，包括：

根据所述第一图像的曝光度，确定所述第一图像对应的第一神经网络模型；

根据所述第一神经网络模型对所述第一图像进行噪声特性识别；

根据所述第一图像的噪声特性识别结果，对所述第一图进行降噪处理；

如果根据所述第一图像的噪声特性识别结果确定所述第一图像的噪声特性识别准确度低于预设阈值，则采用第二神经网络模型，对所述第二图像进行噪声特性识别，所述第二神经网络模型的噪声特性识别准确度高于所述第一神经网络模型；

根据所述第二图像的噪声特性识别结果，对所述第二图像进行降噪处理。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

如果根据所述第一图像的噪声特性识别结果确定所述第一图像的噪声特性识别准确度高于预设阈值，则采用所述第一神经网络模型，对所述第二图像进行噪声特性识别。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据各帧降噪后的原始图像，合成得到目标图像，包括：

将所述多帧降噪后的原始图像输入预设合成模型，以得到相应降噪后的原始图像中各区域的合成权重；

根据所述合成权重，分区域对所述多帧降噪后的原始图像进行合成，以得到所述目标图像。

7.一种基于多帧图像的图像处理装置，其特征在于，包括：

获取模块，用于获取多帧原始图像，所述多帧原始图像包括曝光度不同的多帧图像；

降噪模块，用于根据各帧原始图像的曝光度，选择各帧原始图像对应的神经网络模型进行降噪处理，以得到各帧降噪后的原始图像；

合成模块，用于根据各帧降噪后的原始图像，合成得到目标图像；

其中，降噪模块具体用于：

所述根据各帧原始图像的曝光度，选择各帧原始图像对应的神经网络模型进行降噪处理，以得到各帧降噪后的原始图像包括：

根据所述多帧原始图像的曝光补偿等级选择参考图像；

选择与所述参考图像对应的神经网络模型对所述参考图像进行噪声识别以进行降噪处理；

根据所述识别的结果确定其他图像是否可以采用与所述参考图像对应的神经网络模型进行降噪处理。