[发明专利]伪影去除方法、装置、电子设备和存储介质

说明书

本发明提供一种伪影去除方法、装置、电子设备和存储介质，其中方法包括：确定初始图像和伪影去除模型；将初始图像输入至伪影去除模型，得到伪影去除模型输出的初始图像的去伪影图像；伪影去除模型是在包含丢弃层的网络构架上应用样本图像及其去伪影图像训练得到的。本发明提供的方法、装置、电子设备和存储介质，有效克服了将传统深度学习模型应用在伪影去除时，由于训练和测试图像分布不同导致准确率低的问题，降低了伪影去除的实现难度，提高了伪影去除的可靠性和准确性。此外，伪影去除模型与图像内容无关，具备通用性，不受运动估计限制，可用于实现各种形式的低照度图像的伪影去除，有效保证了伪影去除的可用性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种伪影去除方法、装置、电子设备和存储介质。

背景技术

在低照度情况下进行拍照，往往需要通过延长时间以取得足够的曝光度，这样会导致场景增加或者因为相机移动而产生伪影。

为减少伪影，目前主要是通过估计场景中移动目标的运动轨迹进行补偿。但在低照度情况下，移动目标的本身亮度不够高，运动轨迹也难以估计。

虽然深度学习模型在计算机视觉领域的广泛应用，为伪影去除提供了新的思路，但是在实际应用中，由于相机镜头变得模糊、传感器性能下降等因素的存在，深度学习模型的测试图片分布很可能偏离训练图片分布，导致基于深度学习模型进行伪影去除的准确率大幅下降。

发明内容

本发明提供一种伪影去除方法、装置、电子设备和存储介质，用以解决现有的伪影去除方法实现难度大、准确性差的问题。

本发明提供一种伪影去除方法，包括：

确定初始图像；

确定预先训练的伪影去除模型，所述伪影去除模型是在包含丢弃层的网络构架上应用样本图像及其去伪影图像训练得到的；

将所述初始图像输入至所述伪影去除模型，得到所述伪影去除模型输出的所述初始图像的去伪影图像。

根据本发明提供的一种伪影去除方法，所述伪影去除模型是通过如下步骤确定的：

确定初始去伪影模型，所述初始去伪影模型是基于所述样本图像及其去伪影图像，对包含丢弃层的网络架构进行训练得到的；

基于预设运行数量，对所述初始去伪影模型进行模型推理，得到所述预设运行数量个伪影去除子模型；

基于所述预设运行数量个伪影去除子模型构建所述伪影去除模型。

根据本发明提供的一种伪影去除方法，所述确定初始去伪影模型，包括：

获取预训练伪影去除模型，所述预训练伪影去除模型是在现有去伪影模型中选择得到的；

若所述预训练伪影去除模型内包含所述丢弃层，则将所述预训练伪影去除模型确定为所述初始去伪影模型；

否则，在所述预训练伪影去除模型中增设丢弃层，并基于所述样本图像及其去伪影图像，对增设有丢弃层的预训练伪影去除模型进行迁移学习，得到所述初始去伪影模型。

根据本发明提供的一种伪影去除方法，伪影去除模型包括预设运行数量个并行的伪影去除子模型，以及与各伪影去除子模型连接的输出层。

根据本发明提供的一种伪影去除方法，将所述初始图像输入至伪影去除模型，得到所述伪影去除模型输出的所述初始图像的去伪影图像，包括：

将所述初始图像分别输入至各伪影去除子模型，得到各伪影去除子模型输出的候选图像；

将各候选图像输入至所述输出层，得到所述输出层输出的所述去伪影图像。

根据本发明提供的一种伪影去除方法，所述将各候选图像输入至所述输出层，得到所述输出层输出的所述去伪影图像，包括：