[发明专利]图像去噪方法、系统、设备及存储介质

权利要求书

1.一种图像去噪方法，其特征在于，包括如下步骤：

构建图像去噪模型，所述图像去噪模型用于对输入的带噪声图像分别进行小波域的特征映射以及空间域的特征映射，得到去除噪声的图像；

训练所述图像去噪模型；

将待处理图像输入训练好的所述图像去噪模型中，得到所述图像去噪模型输出的去噪后图像。

2.根据权利要求1所述的图像去噪方法，其特征在于，所述图像去噪模型包括：

卷积与激活模块，包括用于空间域特征映射的空间域卷积与激活单元和用于小波域特征映射的小波域卷积与激活单元；

融合输出重构模块，用于将所述空间域卷积与激活单元输出的映射后空间域特征图和所述小波域卷积与激活单元输出的映射后小波域特征图融合，得到输出的去除噪声的图像。

3.根据权利要求2所述的图像去噪方法，其特征在于，所述图像去噪模型还包括：

特征提取模块，用于对输入的待处理图像进行特征提取，得到带噪声特征图；

所述空间域卷积与激活单元用于对所述带噪声特征图进行空间域特征映射，所述小波域卷积与激活单元用于对所述带噪声特征图进行小波域特征映射。

4.根据权利要求2所述的图像去噪方法，其特征在于，所述卷积与激活模块还包括：

小波变换单元，用于将所述带噪声特征图进行小波变换后得到带噪声小波域特征图，输入至所述小波域卷积与激活单元；

逆小波变换单元，用于将所述小波域卷积与激活单元输出的映射后小波域特征图进行逆小波变换后，输入至所述融合输出重构模块。

5.根据权利要求2所述的图像去噪方法，其特征在于，所述空间域卷积与激活单元包括多个空间域卷积与激活层，每个所述空间域卷积与激活层包括一卷积层、一批处理层和一激活函数层。

6.根据权利要求5所述的图像去噪方法，其特征在于，所述空间域卷积与激活单元中还包括输入和输出之间的短连接。

7.根据权利要求2所述的图像去噪方法，其特征在于，所述小波域卷积与激活单元包括多个小波域卷积与激活层，每个所述小波域卷积与激活层包括一卷积层和一激活函数层。

8.根据权利要求5或7所述的图像去噪方法，其特征在于，所述激活函数层包括依次串联的ReLU函数层、空洞卷积层、深度可分离卷积层、卷积层、批处理层和高斯函数层。

9.根据权利要求8所述的图像去噪方法，其特征在于，所述激活函数层包括两个所述空洞卷积层和两个所述深度可分离卷积层，两个所述深度可分离卷积层的输出融合后输入所述卷积层。

10.根据权利要求1所述的图像去噪方法，其特征在于，训练所述图像去噪模型，包括如下步骤：

构建损失函数，所述损失函数包括小波域图像损失函数和空间域图像损失函数；

基于构建的损失函数训练所述图像去噪模型。

11.根据权利要求10所述的图像去噪方法，其特征在于，所述小波域图像损失函数为小波域的均方误差损失函数，所述空间域图像损失函数为空间域的均方误差损失函数。

12.一种图像去噪系统，用于实现权利要求1至11中任一项所述的图像去噪方法，其特征在于，所述系统包括：

模型构建模块，用于构建图像去噪模型，所述图像去噪模型用于对输入的带噪声图像分别进行小波域的特征映射以及空间域的特征映射，得到去除噪声的图像；

模型训练模块，用于训练所述图像去噪模型，得到训练好的图像去噪模型；

图像去噪模块，用于将待处理图像输入训练好的所述图像去噪模型中，得到所述图像去噪模型输出的去噪后图像。