[发明专利]图像降噪模型的训练方法、装置、设备及存储介质

权利要求书

1.一种图像降噪模型的训练方法，其特征在于，所述方法包括：

获取至少一个带噪样本图像和至少一个无噪样本图像；

将所述带噪样本图像的噪声特征，添加至所述无噪样本图像中，生成所述无噪样本图像对应的加噪图像；

采用所述图像降噪模型对所述加噪图像进行降噪处理，生成所述加噪图像对应的降噪图像；

基于所述无噪样本图像和所述加噪图像对应的降噪图像，计算所述图像降噪模型的训练损失；

根据所述训练损失对所述图像降噪模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述图像降噪模型的训练系统包括：所述图像降噪模型、图像生成模型和噪声提取网络；其中，所述图像降噪模型包括第一编码网络和第一解码网络，所述图像生成模型包括第二编码网络和第二解码网络；

所述将所述带噪样本图像的噪声特征，添加至所述无噪样本图像中，生成所述无噪样本图像对应的加噪图像，包括：

通过所述第二编码网络提取所述带噪样本图像的第二特征图，所述带噪样本图像的第二特征图中包含所述噪声特征；

通过所述噪声提取网络从所述带噪样本图像的第二特征图中，解耦得到所述噪声特征；

通过所述第一编码网络提取所述无噪样本图像的第一特征图；

通过所述第二解码网络根据所述无噪样本图像的第一特征图和所述噪声特征，生成所述无噪样本图像对应的加噪图像。

3.根据权利要求2所述的方法，其特征在于，所述通过所述噪声提取网络从所述带噪样本图像的第二特征图中，解耦得到所述噪声特征，包括：

构建初始的噪声特征矩阵，所述初始的噪声特征矩阵为所述带噪样本图像的第二特征图的展开矩阵；

通过所述噪声提取网络对所述噪声特征矩阵进行多轮迭代更新处理，得到更新后的噪声特征矩阵；其中，每一轮迭代更新处理包括以下至少一项：归一化处理、自学习处理、线性投影处理；

基于所述更新后的噪声特征矩阵，得到所述噪声特征。

4.根据权利要求2所述的方法，其特征在于，所述通过所述第二解码网络根据所述无噪样本图像的第一特征图和所述噪声特征，生成所述无噪样本图像对应的加噪图像，包括：

对所述无噪样本图像的第一特征图和所述噪声特征进行融合处理，生成融合特征图；

通过所述第二解码网络对所述融合特征图进行解码处理，生成所述无噪样本图像对应的加噪图像。

5.根据权利要求2所述的方法，其特征在于，所述训练损失包括第一对比损失和/或第二对比损失，所述第一对比损失用于衡量所述带噪样本图像与所述带噪样本图像对应的降噪图像之间的局部相似度，所述第二对比损失用于衡量所述无噪样本图像与所述加噪图像之间的局部相似度；所述方法还包括：

在所述训练损失包括所述第一对比损失的情况下，通过所述第一编码网络提取所述带噪样本图像的第一特征图；通过所述第一解码网络对所述带噪样本图像的第一特征图进行解码处理，生成所述带噪样本图像对应的降噪图像；通过所述第一编码网络提取所述带噪样本图像对应的降噪图像的第一特征图；基于所述带噪样本图像的第一特征图和所述带噪样本图像对应的降噪图像的第一特征图，计算所述第一对比损失；

在所述训练损失包括所述第二对比损失的情况下，通过所述第一编码网络提取所述加噪图像的第一特征图；基于所述无噪样本图像的第一特征图和所述加噪图像的第一特征图，计算所述第二对比损失。

6.根据权利要求5所述的方法，其特征在于，所述基于所述无噪样本图像的第一特征图和所述加噪图像的第一特征图，计算所述第二对比损失，包括：

从所述无噪样本图像的第一特征图和所述加噪图像的第一特征图中，获取至少一个第二正样本对和至少一个第二负样本对，每个所述第二正样本对包括分别来自于所述无噪样本图像的第一特征图和所述加噪图像的第一特征图中相同位置的一对特征向量，每个所述第二负样本对包括分别来自于所述无噪样本图像的第一特征图和所述加噪图像的第一特征图中不同位置的一对特征向量；

基于所述至少一个第二正样本对和所述至少一个第二负样本对，计算所述第二对比损失。