[发明专利]图像降噪模型的训练方法、装置、设备及存储介质

说明书

本申请实施例提供了一种图像降噪模型的训练方法、装置、设备及存储介质，涉及图像处理和机器学习技术领域。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；将带噪样本图像的噪声特征，添加至无噪样本图像中，生成无噪样本图像对应的加噪图像；采用图像降噪模型对加噪图像进行降噪处理，生成加噪图像对应的降噪图像；基于无噪样本图像和加噪图像对应的降噪图像，计算图像降噪模型的训练损失；根据训练损失对图像降噪模型进行训练。本申请实施例提供的技术方案，能够提升图像降噪模型的降噪性能。

技术领域

本申请实施例涉及图像处理和机器学习技术领域，特别涉及一种图像降噪模型的训练方法、装置、设备及存储介质。

背景技术

医学影像技术在现代医疗中被广泛使用。有时，对于获取到的原始医学影像，还需要做进一步处理。

在相关技术中，成对的样本图像是指从相同或相近的角度，针对同一个人的相同人体部位拍摄/生成的两张体素图像，为了减少或去除图像中的噪声，利用CNN(Convolutional Neural Networks，卷积神经网络)模型学习成对的带噪图像和无噪图像的映射关系；再采用训练后的CNN模型对带噪图像进行降噪处理。

在上述相关技术中，由于临床医学中很难获取数量足够的成对图像样本来训练CNN模型，导致模型学习效果不佳、降噪性能较差。

发明内容

本申请实施例提供了一种图像降噪模型的训练方法、装置、设备及存储介质，能够提升图像降噪模型的降噪性能。所述技术方案如下：

根据本申请实施例的一个方面，提供了一种图像降噪模型的训练方法，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。

根据本申请实施例的一个方面，提供了一种图像降噪模型的训练装置，所述装置包括：

图像获取模块，用于获取至少一个带噪样本图像和至少一个无噪样本图像；

特征添加模块，用于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；

图像生成模块，用于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；

损失计算模块，用于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；

模型训练模块，用于根据所述训练损失对所述图像降噪模型进行训练。

根据本申请实施例的一个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述图像降噪模型的训练方法。

根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述图像降噪模型的训练方法。