[发明专利]图像去噪方法及装置、电子设备和存储介质

说明书

本公开涉及一种图像去噪方法及装置、电子设备和存储介质，所述方法包括：通过梯度信息预测网络对带噪声图像进行图像处理，得到所述带噪声图像对应的第一预测梯度信息，其中，所述第一预测梯度信息用于表示所述带噪声图像对应的清晰图像中像素点的梯度变化信息；根据所述第一预测梯度信息，对所述带噪声图像中的像素点进行分类，得到所述带噪声图像中各像素点对应的第一分类结果；根据所述第一分类结果，对所述带噪声图像进行去噪，得到所述带噪声图像对应的去噪后图像。本公开实施例可以得到清晰度较高的去噪后图像。

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像去噪方法及装置、电子设备和存储介质。

背景技术

图像是一种视觉信息载体，人们可以通过图像获取信息。通常情况下，在图像生成以及传输等过程中经常会受到噪声的干扰，这会增加计算机的图像处理难度。图像去噪是指对带噪声图像进行图像去噪，得到清晰的去噪后图像。去噪后图像还可以进行其它图像处理操作，比如图像分割，目标识别等。因此，图像去噪成为了图像处理和计算机视觉领域中重要的研究课题。

发明内容

本公开提出了一种图像去噪方法及装置、电子设备和存储介质的技术方案。

根据本公开的一方面，提供了一种图像去噪方法，包括：通过梯度信息预测网络对带噪声图像进行图像处理，得到所述带噪声图像对应的第一预测梯度信息，其中，所述第一预测梯度信息用于表示所述带噪声图像对应的清晰图像中像素点的梯度变化信息；根据所述第一预测梯度信息，对所述带噪声图像中的像素点进行分类，得到所述带噪声图像中各像素点对应的第一分类结果；根据所述第一分类结果，对所述带噪声图像进行去噪，得到所述带噪声图像对应的去噪后图像。

利用梯度信息预测网络预测得到的第一预测梯度信息，可以较好的反映带噪声图像对应的清晰图像的像素梯度分布，从而使得基于第一预测梯度信息可以得到更接近清晰图像中像素梯度分布的第一分类结果，进而根据第一分类结果对带噪声图像进行去噪，可以得到清晰度较高的去噪后图像。

在一种可能的实现方式中，所述根据所述第一预测梯度信息，对所述带噪声图像中的像素点进行分类，得到所述带噪声图像中各像素点对应的第一分类结果，包括：针对所述带噪声图像中的任一像素点，根据所述第一预测梯度信息，确定该像素点的梯度特征值；根据该像素点的梯度特征值所处的梯度特征值区间，确定该像素点对应的梯度类别，其中，不同梯度类别对应不同的梯度特征值区间；根据各像素点对应的梯度类别，确定所述第一分类结果。

基于第一预测梯度信息可以确定各像素点的梯度特征值，进而使得利用预先设置的不同梯度类别对应的不同梯度特征值区间，可以对各像素点进行分类，从而有效得到后续用于分类卷积去噪的第一分类结果。

在一种可能的实现方式中，所述根据所述第一分类结果，对所述带噪声图像进行去噪，得到所述带噪声图像对应的去噪后图像，包括：基于所述第一分类结果，通过分类去噪网络对不同类别的像素点进行分类卷积去噪，得到所述带噪声图像对应的去噪后图像。

利用更接近清晰图像中像素梯度分布的第一分类结果，对不同类别的像素点进行分类卷积去噪，使得可以减少卷积过程中的特征数量，进而有效提高去噪效率。

在一种可能的实现方式中，所述分类去噪网络包括多个卷积层；所述基于所述第一分类结果，通过分类去噪网络对不同类别的像素点进行分类卷积去噪，得到所述带噪声图像对应的去噪后图像，包括：基于所述第一分类结果，在所述分类去噪网络的至少一个卷积层中对不同类别的像素点进行分类卷积去噪，得到所述带噪声图像对应的去噪后图像。

针对包括多个卷积层的深层分类去噪网络，在至少一个卷积层中对不同类别的像素点进行分类卷积去噪，可以减少卷积过程中的特征数量，进而有效提高去噪效率。