[发明专利]图像降噪模型的训练方法、装置、电子设备和存储介质

权利要求书

1.一种图像降噪模型的训练方法，其特征在于，包括：

获取图像样本集；其中，所述图像样本集包括：无噪声原始图像和与所述无噪声原始图像对应的带噪声原始图像；

将所述带噪声原始图像输入循环一致性生成对抗网络的第一生成模型，生成第一无噪声生成图像；

将所述第一无噪声生成图像输入所述循环一致性生成对抗网络的第二生成模型，生成第二带噪声生成图像；

将所述无噪声原始图像输入所述循环一致性生成对抗网络的第二生成模型，生成第一带噪声生成图像；

将所述第一带噪声生成图像输入所述循环一致性生成对抗网络的第一生成模型，生成第二无噪声生成图像；

将所述第一无噪声生成图像和所述无噪声原始图像输入所述循环一致性生成对抗网络的第一判别模型，得到所述第一无噪声生成图像是否为生成图像类别的第一判别结果；

将所述第一带噪声生成图像和所述带噪声原始图像输入所述循环一致性生成对抗网络的第二判别模型，得到所述第一带噪声生成图像是否为生成图像类别的第二判别结果；

根据所述第一判别结果、所述第二判别结果、所述第一无噪声生成图像、所述无噪声原始图像、所述第二带噪声生成图像、所述第二无噪声生成图像和所述带噪声原始图像，对所述循环一致性生成对抗网络进行优化，以得到训练好的图像降噪模型。

2.如权利要求1所述的方法，其特征在于，根据所述第一判别结果、所述第二判别结果、所述第一无噪声生成图像、所述无噪声原始图像、所述第二带噪声生成图像、所述第二无噪声生成图像和所述带噪声原始图像，对所述循环一致性生成对抗网络进行优化，以得到训练好的图像降噪模型，包括：

将所述第一判别结果、所述第二判别结果、所述第一无噪声生成图像、所述无噪声原始图像、所述第二带噪声生成图像、所述第二无噪声生成图像和所述带噪声原始图像分别代入至预设损失函数中得到损失值；

根据所述损失值，对所述循环一致性生成对抗网络的第一生成模型和第二生成模型进行优化，以得到训练好的图像降噪模型。

3.如权利要求1所述的方法，其特征在于，所述预设损失函数包括第一损失函数、第二损失函数、第三损失函数和感知损失函数；则，将所述第一判别结果、所述第二判别结果、所述第一无噪声生成图像、所述无噪声原始图像、所述第二带噪声生成图像、所述第二无噪声生成图像和所述带噪声原始图像分别代入至预设损失函数中得到损失值，包括：

将所述第一判别结果，代入至所述第一损失函数，得到第一损失值；

将所述第二判别结果，代入至所述第二损失函数，得到第二损失值；

将所述第二无噪声生成图像、所述无噪声原始图像、所述第二带噪声生成图像以及所述带噪声原始图像，代入至所述第三损失函数，得到第三损失值；

将所述第一无噪声生成图像和所述无噪声原始图像，代入至所述感知损失函数，得到第四损失值。