[发明专利]图像降噪方法及其模型训练的方法、装置

权利要求书

1.一种用于图像降噪的模型训练方法，其特征在于，所述方法包括：

从图像渲染引擎中获取训练图层；

将所述训练图层输入至预设的初始生成对抗网络模型中进行训练；

建立并更新所述训练图层中所包含的噪声数据与真实数据的非线性映射关系；

当所述预设的初始生成对抗网络模型的训练结果满足预设的期望阈值时停止训练，得到用于图像降噪的模型。

2.根据权利要求1所述的用于图像降噪的模型训练方法，其特征在于，从图像渲染引擎中获取训练图层的步骤，包括：

从所述图像渲染引擎中获取多个不同的渲染场景；

分别从所述渲染场景中获取对应的中间图层以及特征图层；

将所述中间图层以及特征图层按照预设比例进行划分，得到所述训练图层；所述训练图层中包含所述模型在训练时所用的训练数据集和测试数据集。

3.根据权利要求2所述的用于图像降噪的模型训练方法，其特征在于，所述中间图层，包括：带有噪声的第一全局光照层、带有噪声的第一漫反射层、不带噪声的第二全局光照层以及不带噪声的第二漫反射层；

所述特征图层，包括：法向量图层、贴图图层、深度图层。

4.根据权利要求3所述的用于图像降噪的模型训练方法，其特征在于，所述训练数据集和测试数据集中，均包括真实数据以及噪声数据；

所述真实数据，包括：所述第一全局光照层的数据、所述第一漫反射层与所述特征图层的合并数据；

所述噪声数据，包括：所述第二全局光照层的数据、所述第二漫反射层与所述特征图层的合并数据。

5.根据权利要求4所述的用于图像降噪的模型训练方法，其特征在于，将所述训练图层输入至预设的初始生成对抗网络模型中进行训练的步骤，包括：

初始化第一生成对抗网络以及第二生成对抗网络；

将所述第一全局光照层的数据、所述第二全局光照层的数据以及对应的特征图层输入至所述第一生成对抗网络中进行训练；

将所述第一漫反射层、所述第二漫反射层以及对应的特征图层输入至所述第二生成对抗网络中进行训练。

6.根据权利要求1所述的用于图像降噪的模型训练方法，其特征在于，当所述预设的初始生成对抗网络模型的训练结果满足预设的期望阈值时，得到用于图像降噪的模型的步骤，包括：

获取预设的所述初始生成对抗网络模型中的生成器和判别器参数，所述生成器用于所述训练图层的噪声去除；所述判别器用于判断所述训练图层是否包含噪声；

利用Adam求解器交替更新所述生成器和所述判别器的参数，当所述生成对抗网络模型的损失函数的结果低于预设的阈值时，停止训练，得到用于图像降噪模型。

7.一种图像降噪方法，其特征在于，所述方法包括：

获取待降噪的图像；

将所述待降噪的图像输入至预先完成训练的图像降噪模型中，输出降噪后的所述图像；所述图像降噪模型通过权利要求1-6任一项所述的用于图像降噪的模型训练方法训练得到。

8.根据权利要求7所述的图像降噪的方法，其特征在于，将所述待降噪的图像输入至预先完成训练的图像降噪模型中，输出降噪后的所述图像的步骤，包括：

所述待降噪的图像输入所述图像降噪模型中的第一生成对抗网络，生成第一降噪图像；

所述待降噪的图像输入所述图像降噪模型中的第二生成对抗网络，生成第二降噪图像；

根据所述训练图层中所包含的噪声数据与真实数据的非线性映射关系，将所述第一降噪图像、所述第二降噪图像以及所述待降噪的图像中的贴图图层进行融合，得到并输出所述降噪后的所述图像。