[发明专利]图像处理网络的训练方法、图像去噪方法及装置

权利要求书

1.一种图像处理网络的训练方法，其特征在于，包括：

根据参考噪声和原始图像生成噪声图像，并对所述噪声图像进行噪声提取，得到预测噪声；

计算所述预测噪声与所述参考噪声的第一损失函数，并根据所述第一损失函数调整图像处理网络的第一网络参数；

将所述预测噪声与所述噪声图像进行拼接，得到目标噪声图像，并对所述目标噪声图像进行图像修复，输出预测图像；

计算所述预测图像与所述原始图像的第二损失函数，并根据所述第二损失函数调整所述图像处理网络的第二网络参数。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将原始噪声与随机噪声进行重合，得到所述参考噪声。

3.根据权利要求2所述的方法，其特征在于，所述原始噪声为水印噪声，将原始噪声与随机噪声进行重合，得到参考噪声，包括：

将所述水印噪声平均分布于与原始图像尺寸相同的画布中，得到待合成的图像；

将所述待合成的图像与随机噪声进行重合，得到参考噪声。

4.根据权利要求2所述的方法，其特征在于，所述随机噪声包括泊松噪声、乘性的伯努利噪声、随机值的脉冲噪声、图像文本水印噪声、蒙特卡洛噪声以及文本噪声中至少一种。

5.根据权利要求1所述的方法，其特征在于，对所述噪声图像进行噪声提取，得到预测噪声，包括：

对所述噪声图像进行图像卷积以及非线性激活，得到第一图像特征；

对所述第一图像特征进行第一预设次数的残差计算，以得到第二图像特征；其中，所述第一预设次数与所述预设数量相等；

对所述第二图像特征进行图像卷积以及归一化，得到预测噪声。

6.根据权利要求5所述的方法，其特征在于，对所述第一图像特征进行第一预设次数的残差计算以得到第二图像特征中，对所述第一图像特征进行一次残差计算的方式为：

将所述第一图像特征输入当前残差窗口，并通过所述当前残差窗口中的第一卷积层对所述第一图像特征进行图像卷积，得到第一卷积结果；

对所述第一卷积结果进行归一化，并对所述归一化结果进行非线性激活；

通过所述当前残差窗口中的第二卷积层对非线性激活结果进行图像卷积，得到第二卷积结果；

对所述第二卷积结果进行归一化，得到所述当前残差窗口的输出；

将所述当前残差窗口的输出与前一残差窗口的输出进行组合，作为下一残差窗口的输入。

7.根据权利要求5所述的方法，其特征在于，对所述目标噪声图像进行图像修复，输出预测图像，包括：

对所述目标噪声图像进行卷积以及非线性激活，得到第三图像特征；

对所述目标噪声图像进行第二预设次数的残差计算，以得到第四图像特征；其中，所述第二预设次数大于所述第一预设次数；

对所述第二图像特征进行图像卷积以及归一化，将得到的归一化结果与所述第三图像特征进行拼接；

将拼接结果进行图像卷积，以输出预测图像。

8.根据权利要求1所述的方法，其特征在于，对所述噪声图像进行噪声提取，得到预测噪声，包括：

将原始噪声与随机噪声进行重合，得到备用噪声；

将所述噪声图像与所述备用噪声进行拼接，得到目标噪声图像；

对所述目标噪声图像进行噪声提取，得到预测噪声。

9.根据权利要求1所述的方法，其特征在于，根据参考噪声和原始图像生成噪声图像，包括：

调整参考噪声的透明度参数至预设透明度范围内，根据调整后的参考噪声和原始图像生成噪声图像。

10.根据权利要求1所述的方法，其特征在于，所述第一损失函数为所述预测噪声与所述参考噪声的均方误差，所述第二损失函数为所述预测图像与所述原始图像的均方误差。