[发明专利]图像修复方法、装置和电子设备

权利要求书

1.一种图像修复方法，其特征在于，包括：

获取待修复图像；

提取所述待修复图像中的噪声图像；

将所述待修复图像以及所述噪声图像生成修复后的图像，包括：将所述待修复图像以及所述噪声图像输入图像修复模型生成修复后的图像；

所述图像修复模型由以下步骤训练得到：

获取训练数据集合，其中所述训练数据集合中的每一个数据是由原始图像、在原始图像中添加了噪声的第一图像以及由所述噪声生成的第二图像所组成的三元数据；

初始化图像修复模型的参数；

将所述第一图像以及所述第二图像输入所述图像修复模型得到预测图像；

使用相同的特征提取方法提取所述预测图像和所述原始图像的特征得到预测图像的特征图像和原始图像的特征图像；

根据所述原始图像、预测图像、原始图像的特征图像以及预测图像的特征图像计算误差；

基于所述误差更新所述图像修复模型的参数；

使用更新后的参数迭代上述参数更新的过程直至达到收敛条件；

将达到收敛条件时所得到的参数作为训练好的图像修复模型的参数。

2.如权利要求1所述的图像修复方法，其中所述提取所述待修复图像中的噪声图像包括：

将所述待修复图像输入噪声图像提取模型得到所述待修复图像中的噪声图像。

3.如权利要求1所述的图像修复方法，其中所述获取训练数据集合，包括：

获取原始图像；

在原始图像上随机生成噪声得到第一图像；

根据所述噪声生成仅包含所述噪声的第二图像。

4.如权利要求3所述的图像修复方法，其中所述第一图像中的噪声的像素点与所述噪声图像中的噪声像素点一一对应。

5.如权利要求3或4所述的图像修复方法，其中所述第二图像为背景为黑色、噪声为白色的二值化图像。

6.如权利要求1所述的图像修复方法，其中所述将所述第一图像以及所述第二图像输入所述图像修复模型得到预测图像，包括：

将所述第一图像以及第二图像输入所述图像修复模型的多个卷积层中进行下采样得到预定尺度大小的第一特征图像；

将所述第一特征图像输入所述图像修复模型的多个反卷积层中进行上采样得到与所述原始图像大小相同的预测图像。

7.如权利要求6所述的图像修复方法，其中所述多个卷积层中的每个卷积层的输出特征图像作为与其对应的反卷积层的输入图像。

8.如权利要求1所述的图像修复方法，其中所述使用相同的特征提取方法提取所述预测图像和所述原始图像的特征得到预测图像的特征图像和原始图像的特征图像，包括：

将所述预测图像和所述原始图像分别输入同一个卷积神经网络，其中所述卷积神经网络包括多个卷积层；

所述神经网络的多个卷积层输出多个尺度不同的预测图像的特征图像以及多个尺度不同的原始图像的特征图像。

9.如权利要求1所述的图像修复方法，其中所述根据所述原始图像、预测图像、原始图像的特征图像以及预测图像的特征图像计算误差，包括：

根据所述原始图像和所述预测图像计算第一误差；

根据所述原始图像的特征图像和预测图像的特征图像计算第二误差；

根据所述第一误差和所述第二误差计算总误差。

10.如权利要求9所述的图像修复方法，其中所述根据所述原始图像的特征图像和预测图像的特征图像计算第二误差，包括：

根据原始图像的多个尺度不同的特征图像以及与之对应的预测图像的多个尺度不同的特征图像计算第二误差。

11.如权利要求1所述的图像修复方法，其中所述收敛条件包括：

迭代次数超过预设次数值或者所述误差小于预设误差值。