[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

说明书

本公开涉及图像去噪模型的训练方法、图像去噪方法、装置及介质，训练方法包括：通过拍摄设备采集多个样本图像组，获取每个样本图像组的感光度，并且根据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；使用多个训练对，训练图像去噪模型，直至图像去噪模型收敛。本公开中，将图像的感光度信息作为图像去噪模型的训练输入数据的一部分，使图像去噪模型学习到更多维度的噪声信息，在图像去噪模型训练成功后，可以有效去除图像噪声。

技术领域

本公开涉及移动终端数据处理技术，尤其涉及图像去噪模型的训练方法、图像去噪方法、装置及介质。

背景技术

移动终端一般都具有拍照功能。移动终端中的图像传感器采样率不足，以及来源于图像采集、传输、压缩等各个方面的噪声导致移动终端拍摄到的图像存在细节丢失以及过多彩噪的问题。在低光环境下拍摄的图像和视频也存在此问题，并且此问题在小光圈摄像头的智能手机所拍摄的图像中更为严重。另外，采集图像过程中，采样率较低时还会导致混叠现象。

随着用户对图像效果的需求不断提高，如何进一步减少图像噪声是一直需要解决的技术问题。

发明内容

为克服相关技术中存在的问题，本公开提供图像去噪模型的训练方法、图像去噪方法、装置及介质。

根据本文实施例的第一方面，提供了一种图像去噪模型的训练方法，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。

在一实施方式中，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。

在一实施方式中，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。

在一实施方式中，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。

在一实施方式中，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。