[发明专利]图像处理方法、装置、计算机设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

获取待处理图像；

将所述待处理图像输入预先训练好的目标图像处理模型，提取所述待处理图像的整体特征图以及所述待处理图像的噪声特征图；所述待处理图像的整体特征图用于表征所述待处理图像的整体特征；所述噪声特征图用于表征所述待处理图像中的噪声特征；所述待处理图像的整体特征图的维度以及所述噪声特征图的维度均高于所述待处理图像的维度；

根据所述待处理图像的整体特征图以及所述噪声特征图对所述待处理图像进行去噪处理，得到去噪后的图像。

2.根据权利要求1所述的图像处理方法，其特征在于，在将所述待处理图像输入预先训练好的目标图像处理模型之前，所述方法还包括：

获取多个样本图像，每个样本图像是在原始图像中添加目标类型的噪声得到的；所述原始图像未包括所述目标类型的噪声；

根据所述多个样本图像以及每个样本图像对应的原始图像，训练预设的初始图像处理模型得到所述目标图像处理模型；所述目标图像处理模型用于去除所述待处理图像中的目标类型的噪声。

3.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述多个样本图像以及每个样本图像对应的原始图像，训练预设的初始图像处理模型得到所述目标图像处理模型，包括：

将目标样本图像输入所述初始图像处理模型，进行去噪处理，得到去噪后的目标样本图像；所述目标样本图像为所述多个样本图像中的任意一个样本图像；

根据所述去噪后的目标样本图像对应的原始图像与所述去噪后的目标样本图像的图像差值，确定第一损失；

获取所述去噪后的目标样本图像对应的原始图像的整体特征图以及所述去噪后的目标样本图像的整体特征图；

根据所述原始图像的整体特征图与所述去噪后的样本图像的整体特征图的图像差值，确定第二损失；

根据目标损失，训练所述初始图像处理模型，得到所述目标图像处理模型；所述目标损失包括所述第一损失和所述第二损失。

4.根据权利要求3所述的图像处理方法，其特征在于，

所述根据目标损失，训练所述初始图像处理模型，得到所述目标图像处理模型，包括：

将所述目标样本图像输入预设的特征图提取模型得到所述目标样本图像的样本特征图；所述样本特征图用于表征所述目标样本图像的整体特征；

将所述去噪后的目标样本图像与所述目标类型的噪声融合得到融合图像；

将所述融合图像输入所述特征图提取模型得到所述融合图像的融合特征图；所述融合特征图用于表征所述融合图像的整体特征；

根据所述样本特征图与所述融合特征图的图像差值，确定第三损失；所述目标损失还包括所述第三损失；

根据所述第一损失、所述第二损失和所述第三损失训练所述初始图像处理模型，得到所述目标图像处理模型。

5.根据权利要求1-4任一项所述的图像处理方法，其特征在于，所述目标图像处理模型包括骨干网络和噪声去除网络，所述将所述待处理图像输入预先训练好的目标图像处理模型，提取所述待处理图像的整体特征图以及所述待处理图像的噪声特征图，包括：

将所述待处理图像输入至所述目标图像处理模型；

通过所述骨干网络对所述待处理图像提取特征，得到所述待处理图像的整体特征图；

通过所述噪声去除网络提取所述整体特征图的噪声特征，得到所述待处理图像的噪声特征图。

6.根据权利要求5所述的图像处理方法，其特征在于，所述骨干网络包括N个网络层，N为正整数；

对于所述N个网络层中的第i个网络层而言，在i＝1的情况下，第i个网络层的输入是所述待处理图像；

在1＜i＜N的情况下，第i个网络层的输入是第i-1个网络层的输出；

在i＝N的情况下，第i个网络层的输入是第一个网络层到第N-1个网络层的输出。

7.根据权利要求5所述的图像处理方法，其特征在于，所述噪声去除网络包括以ResNet作为基本网络单元，且所述基本网络单元之间以全局残差进行连接的残差网络。