[发明专利]图像去噪方法、装置和存储介质

说明书

本申请提出一种图像去噪方法、装置和存储介质，该方法包括：获取待处理图像，将待处理图像输入至图像去噪模型中，获取去噪后的图像，其中，图像去噪模型为结合U型网络、残差网络以及稠密网络形成的模型。本实施例中的图像去噪模型，可以结合残差网络和稠密网络的特点，更好地利用待处理图像的深层和浅层特征，能实现在去掉噪声的同时，尽可能保留待处理图像的细节，从而，在实现较好的去噪性能的基础上，兼顾去噪后的图像质量。

技术领域

本申请涉及图像处理技术领域，具体涉及一种图像去噪方法、装置和存储介质。

背景技术

图像去噪一直是图像处理领域非常重要的一个方向。特别近年来，监控领域流行星光级拍摄，黑夜环境的光照条件非常恶劣，传感器感光不足的情况，导致采集出来的图片会遗留很多的噪声，接收到的图像或视频与光照条件好的情况下采集出来的图像或视频相比分辨力降低，不仅影响视觉效果，对于需要从中识别运动目标的图像或视频，更是影响了识别工作的准确性，因此需要更好的去噪算法来实现图像质量的提升。

目前基于神经网络的自适应去噪算法，效果较好的都是属于监督式学习类型神经网络算法，即训练样本包括输入样本与输出样本对，通过梯度下降算法更新神经网络中的参数，使得训练样本的输入经过神经网络后的输出接近真值样本。

但是，目前的自适应去噪算法中，无法在实现较好的去噪性能的基础上，兼顾去噪后的图像质量。

发明内容

本申请提供一种图像去噪方法、装置和存储介质，以解决目前无法兼顾去噪性能以及去噪后的图像质量的技术问题。

本申请实施例提供一种图像去噪方法，包括：

获取待处理图像；

将所述待处理图像输入至图像去噪模型中，获取去噪后的图像；其中，所述图像去噪模型为结合U型网络、残差网络以及稠密网络形成的模型。

本申请实施例提供一种图像去噪装置，包括：

第一获取模块，被配置为获取待处理图像；

第二获取模块，被配置为将所述待处理图像输入至图像去噪模型中，获取去噪后的图像；其中，所述图像去噪模型为结合U型网络、残差网络以及稠密网络形成的模型。

本申请实施例提供了一种图像去噪设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请实施例中的任意一种图像去噪方法。

本申请实施例提供了一种存储介质，存储介质存储有计算机程序，计算机程序被处理器执行时实现本申请实施例中的任意一种图像去噪方法。

关于本申请的以上实施例和其他方面以及其实现方式，在附图说明、具体实施方式和权利要求中提供更多说明。

附图说明

图1为一实施例提供的一种图像去噪方法的流程图；

图2为一实施例提供的图像去噪模型的结构示意图；

图3为一实施例提供的图像去噪模型中第一稠密残差子模块的结构示意图；

图4为一实施例提供的另一种图像去噪方法的流程图；

图5A为一实施例提供的获取第一训练噪声图像以及对应的第一训练真值图像的流程图；

图5B为一实施例提供的生成第二训练真值图像的流程图；

图6为一实施例提供的对抗网络中的生成网络的结构示意图；