[发明专利]一种处理图像的方法、终端及计算机可读存储介质

权利要求书

1.一种处理图像的方法，其特征在于，包括：

获取待处理的暗光图像；

对所述暗光图像进行预处理，得到目标暗光图像；

将所述目标暗光图像输入已训练的学生神经网络模型进行去噪处理，得到与所述暗光图像对应的目标明亮图像；所述已训练的学生神经网络模型基于图像样本集中的第一样本暗光图像、由已训练的教师神经网络模型对所述第一样本暗光图像进行去噪处理得到的去噪图像，对未训练的学生神经网络模型训练得到。

2.如权利要求1所述的方法，其特征在于，所述将所述目标暗光图像输入已训练的学生神经网络模型进行去噪处理，得到与所述暗光图像对应的目标明亮图像包括：

对所述目标暗光图像进行特征编码处理，得到编码数据；

对所述编码数据进行特征增强处理，得到特征增强数据；

对所述特征增强数据进行特征解码处理，得到解码数据；

对所述解码数据进行特征融合处理，得到所述目标明亮图像。

3.如权利要求1所述的方法，其特征在于，所述获取待处理的暗光图像之前还包括：

将所述图像样本集中的第一样本暗光图像输入所述未训练的学生神经网络模型进行去噪处理，得到与所述第一样本暗光图像对应的第一明亮图像；

获取所述去噪图像；

使用第一预设损失函数计算所述去噪图像与所述第一明亮图像之间的第一损失值，并基于所述第一损失值更新所述未训练的学生神经网络模型的模型参数；返回执行所述将所述图像样本集中的第一样本暗光图像输入所述未训练的学生神经网络模型进行去噪处理，得到与所述第一样本暗光图像对应的第一明亮图像以及获取所述去噪图像；

当所述第一损失值满足第一预设条件时，停止训练，得到所述已训练的学生神经网络模型。

4.如权利要求3所述的方法，其特征在于，所述获取所述去噪图像包括：

将所述第一样本暗光图像输入所述已训练的教师神经网络模型进行去噪处理，得到与所述第一样本暗光图像对应的所述去噪图像。

5.如权利要求3所述的方法，其特征在于，所述获取所述去噪图像之前，还包括：

将训练样本集中的第一样本暗光图像输入待训练的教师神经网络模型进行去噪处理，得到与所述第一样本暗光图像对应的第二明亮图像；

使用第二预设损失函数计算所述第二明亮图像与所述训练样本集中所述第一样本暗光图像对应的第一样本明亮图像之间的第二损失值；

当所述第二损失值不满足第二预设条件时，基于所述第二损失值更新所述待训练的教师神经网络模型中的模型参数；返回所述将训练样本集中的第一样本暗光图像输入待训练的教师神经网络模型进行去噪处理，得到与所述第一样本暗光图像对应的第二明亮图像；

当所述第二损失值满足所述第二预设条件时，停止训练，得到所述已训练的教师神经网络模型。

6.如权利要求1所述的方法，其特征在于，所述获取待处理的暗光图像包括：

当基于预设方法检测到图像中的噪点数量超过预设数量范围时，将所述图像标记为所述待处理的暗光图像。

7.如权利要求1至6任一项所述的方法，其特征在于，所述对所述暗光图像进行预处理，得到目标暗光图像包括：

将所述暗光图像处理为单颜色通道图像；所述单颜色通道图像包括红色通道图像、绿色通道图像以及蓝色通道图像；

将所述单颜色通道图像进行拼接，得到目标暗光图像。

8.一种处理图像的终端，其特征在于，包括：

获取单元，用于获取待处理的暗光图像；

预处理单元，用于对所述暗光图像进行预处理，得到目标暗光图像；

去噪单元，用于将所述目标暗光图像输入已训练的学生神经网络模型进行去噪处理，得到与所述暗光图像对应的目标明亮图像；所述已训练的学生神经网络模型基于图像样本集中的第一样本暗光图像、由已训练的教师神经网络模型对所述第一样本暗光图像进行去噪处理得到的去噪图像，对未训练的学生神经网络模型训练得到。