[发明专利]图像降噪方法及其模型训练的方法、装置

说明书

本发明提供了一种图像降噪方法及其模型训练的方法、装置，涉及图像处理技术领域，该模型训练方法包括：从图像渲染引擎中获取训练图层；将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。通过待降噪的图像输入至预先完成训练的图像降噪模型中，得到降噪的图像。该方法可使用多个生成对抗网络分别对渲染效果图的中间层进行降噪，并利用降噪后的中间图层融合成一张渲染效果图，使经过降噪后的渲染效果图在细节纹理上更加接近效果图。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种图像降噪方法及其模型训练的方法、装置。

背景技术

在如今家居领域的绘制过程，通常采用渲染引擎得以实现。渲染引擎产生的渲染效果由于采样不足，通常会导致渲染效果图存在大量无规则噪声，虽然渲染引擎自身具有降噪处理方法，但是经过渲染引擎降噪处理后的效果图中的细节会被平滑，尤其是在玻璃的倒影以及其它纹理花纹上尤为明显，使得最终的渲染效果图与真实图像仍然存在较大差异。

因此现有技术中，在家居设计渲染的过程中还缺少一种既能够有效的去除渲染效果图上的噪声又能最大限度保存效果图的细节的方式。

发明内容

有鉴于此，本发明的目的在于提供一种图像降噪方法及其模型训练的方法、装置，利用已完成训练的相关神经网络模型来对待渲染的户型图像进行降噪，该图像降噪方法可使用多个生成对抗网络分别对渲染效果图的中间层进行降噪，并利用降噪后的中间图层融合成一张渲染效果图，使经过降噪后的渲染效果图在细节纹理上更加接近效果图。

第一方面，本发明实施例提供了一种用于图像降噪的模型训练方法，该方法包括：

从图像渲染引擎中获取训练图层；

将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。

在一些实施方式中，上述从图像渲染引擎中获取训练图层的步骤，包括：

从图像渲染引擎中获取多个不同的渲染场景；

分别从渲染场景中获取对应的中间图层以及特征图层；

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

在一些实施方式中，上述中间图层，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；

特征图层，包括：法向量图层、贴图图层、深度图层。

在一些实施方式中，上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；

真实数据，包括：第一全局光照层的数据、第一漫反射层与特征图层的合并数据；

噪声数据，包括：第二全局光照层的数据、第二漫反射层与特征图层的合并数据。

在一些实施方式中，上述将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；

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

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