[发明专利]图像处理方法、装置、计算机设备及存储介质

权利要求书

1.一种图像处理方法，应用于用户终端，其特征在于，包括：

从预置的训练图像集中随机获取预设数量的多张训练图像；

根据预置的空间变换网络对多张所述训练图像进行空间变换以得到对应的配准图像；

根据预置的卷积降噪模型对所述配准图像进行叠加降噪以得到对应的降噪图像；

根据预置的梯度下降训练模型、所述配准图像、所述降噪图像及所述训练图像集对所述卷积降噪模型进行迭代训练以得到训练后的所述卷积降噪模型；

若接收到用户所输入的待处理图像，根据所述空间变换网络、训练后的所述卷积降噪模型及预置的叠加规则对所述待处理图像进行处理以得到对应的优化图像；

所述空间变换网络包括卷积神经网络及二维仿射变换函数，所述根据预置的空间变换网络对多张所述训练图像进行空间变换以得到对应的配准图像，包括：

将所述多张训练图像中的任意一张确定为基准图像，将其它训练图像确定为待转换图像；

以所述基准图像为基准，根据所述卷积神经网络获取所有所述待转换图像对应于所述基准图像的参数矩阵；

根据所述二维仿射变换函数、所述参数矩阵对所述待转换图像进行映射以得到对应的映射图像；

获取所有待转换图像对应的映射图像及基准图像以得到配准图像；

所述根据预置的梯度下降训练模型、所述配准图像、所述降噪图像及所述训练图像集对所述卷积降噪模型进行迭代训练以得到训练后的所述卷积降噪模型，包括：

根据所述叠加规则对所述降噪图像及所有所述配准图像的像素均值进行逐像素叠加以得到高次叠加图像；

根据所述梯度下降训练模型中的损失函数计算所述高次叠加图像与所述训练图像集中目标图像之间的损失值；

根据所述梯度下降训练模型中的梯度计算公式、所述损失值及所述卷积降噪模型中的计算值计算得到所述卷积降噪模型中每一参数的更新值；

根据每一所述参数的更新值对所述卷积降噪模型中对应参数的参数值进行更新，以对所述卷积降噪模型进行训练；

所述根据所述空间变换网络、训练后的所述卷积降噪模型及预置的叠加规则对所述待处理图像进行处理以得到对应的优化图像，包括：

根据所述空间变换网络对所述待处理图像进行空间变换以得到对应的目标配准图像；

将所有所述目标配准图像进行逐像素叠加以得到第二叠加图像；

根据所述卷积降噪模型对所述第二叠加图像进行卷积降噪以得到目标降噪图像；

根据所述叠加规则对所述目标降噪图像及所有所述目标配准图像的像素均值进行逐像素叠加以得到优化图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述根据预置的卷积降噪模型对所述配准图像进行叠加降噪以得到对应的降噪图像，包括：

将所有所述配准图像进行逐像素叠加以得到第一叠加图像；

根据所述卷积降噪模型对所述第一叠加图像进行卷积降噪以得到降噪图像。