[发明专利]图像去噪模型的训练方法、图像去噪方法、装置及介质

权利要求书

1.一种图像去噪模型的训练方法，其特征在于，包括：

通过拍摄设备采集多个样本图像组，每个样本图像组包括感光度相同的多帧样本图像，不同的样本图像组中样本图像的感光度不同；

获取每个样本图像组的感光度，并且根据所述感光度确定与每个样本图像组对应的噪声表征图像；

确定每个样本图像组相关联的训练输入图像组和目标图像，每个训练输入图像组包括对应的样本图像组中全部或部分样本图像以及对应的噪声表征图像；

构建多个训练对，每个训练对包括一个训练输入图像组和对应的目标图像；

使用所述多个训练对，训练所述图像去噪模型，直至所述图像去噪模型收敛。

2.如权利要求1所述的训练方法，其特征在于，

所述根据所述感光度确定与每个样本图像组对应的噪声表征图像，包括：

构建感光度图像，所述感光度图像的所有像素值均为所述样本图像组的归一化感光度，将所述感光度图像作为所述噪声表征图像。

3.如权利要求1所述的训练方法，其特征在于，

所述根据所述感光度确定与每个样本图像组对应的噪声表征图像，包括：

构建感光度图像，所述感光度图像的所有像素值均为所述样本图像组的归一化感光度；

获取所述样本图像组对应的目标图像的灰度分量图像，确定所述灰度分量图像和所述感光度图像的点乘矩阵，将所述点乘矩阵作为所述噪声表征图像。

4.如权利要求1所述的训练方法，其特征在于，

所述根据所述感光度确定与每个样本图像组对应的噪声表征图像，包括：

构建感光度图像，所述感光度图像的所有像素值均为所述样本图像组的归一化感光度；

确定所述样本图像组对应的目标图像的灰度分量图像；

确定所述噪声表征图像是二维图像，所述二维图像包括所述感光度图像和灰度分量图像。

5.如权利要求2、3或4所述的训练方法，其特征在于，所述归一化感光度通过以下方式获得：

统计所述多个样本图像组中的最大感光度和最小感光度，基于所述最大感光度和所述最小感光度确定感光度区间，构建所述感光度区间与图像像素值区间的映射关系，根据所述映射关系确定各个样本图像组的归一化感光度。

6.如权利要求1所述的训练方法，其特征在于，

所述确定每个样本图像组相关联的目标图像，包括以下中的一种：

根据样本图像组中各样本图像计算相同位置的像素平均值获得目标图像；

根据样本图像组中各样本图像计算相同位置的像素加权平均值获得目标图像；

从样本图像组中选择清晰度最高的样本图像、第一帧样本图像或者最后一帧样本图像作为参考图像，根据样本图像组中各样本图像计算特征点，根据所述参考图像对所述样本图像组中其它样本图像进行特征点对齐操作，将对齐操作后的样本图像进行多帧图像融合，获得目标图像。

7.一种多帧图像去噪方法，其特征在于，包括：

通过拍摄设备采集连续多帧的待处理图像组，并获取所述待处理图像组的感光度；

根据所述感光度，确定所述待处理图像组对应的噪声表征图像；

将所述待处理图像组以及对应的噪声表征图像，输入使用权利要求1至6中任一权利要求所述的训练方法训练过的多帧图像去噪模型；

从所述多帧图像去噪模型输出与所述待处理图像组对应的目标去噪图像。

8.如权利要求7所述的多帧图像去噪方法，其特征在于，所述根据所述感光度，确定所述待处理图像组对应的噪声表征图像，包括：

根据用户输入的自适应系数，将所述感光度乘以自适应系数，以获得自适应调整后的感光度，根据所述自适应调整后的感光度确定所述待处理图像组对应的噪声表征图像。