[发明专利]一种降噪方法、装置、电子设备及介质

权利要求书

1.一种降噪方法，其特征在于，包括：

将待处理图像输入图像降噪模型，所述图像降噪模型为基于预设训练集对卷积神经网络模型训练得到的模型，所述预设训练集中包括多组标注数据以及每组标注数据对应的样本数据；其中，一组标注数据包括对一张基准无噪声图像进行模拟运动处理后得到的多张无噪声图像，该组标注数据对应的样本数据包括对所述多张无噪声图像分别叠加噪声后得到的图像；

获取所述图像降噪模型输出的降噪后的图像数据；

将所述图像数据转换为图像，得到所述待处理图像对应的降噪后的图像；

所述图像降噪模型通过以下步骤训练得到：

将所述预设训练集包括的一组样本数据中的第一帧图像与自身进行拼接后，将拼接后的图像输入所述卷积神经网络模型，依次由所述神经网络模型包括的第一卷积网络和第二卷积网络处理拼接后的图像；

获取所述第一卷积网络输出的中间降噪图像和所述第二卷积网络输出的最终降噪图像；

基于所述最终降噪图像与所述第一帧图像计算损失函数值；

根据所述损失函数值判断所述卷积神经网络模型是否收敛；

若未收敛，则基于所述损失函数值调整所述卷积神经网络模型的参数，并将所述一组样本数据中的下一帧图像与所述第一卷积网络最近一次输出的中间降噪图像进行拼接，返回所述将拼接后的图像输入所述卷积神经网络模型的步骤，直至所述卷积神经网络模型收敛时，则将训练得到的卷积神经网络模型作为所述图像降噪模型。

2.根据权利要求1所述的方法，其特征在于，所述预设训练集通过以下步骤得到：

采集多张基准无噪声图像；

针对每张基准无噪声图像，从该基准无噪声图像截取多张形状相同、面积相同、具有重叠区域且不完全相同的图像，将截取出的图像作为一组标注数据；

对每组标注数据包括的多张图像分别叠加噪声，得到每组标注数据对应的样本数据；

将得到的多组标注数据以及每组标注数据对应的样本数据生成所述预设训练集。

3.根据权利要求1所述的方法，其特征在于，所述预设训练集通过以下步骤得到：

采集多张基准无噪声图像；

每次从所述多张基准无噪声图像中选择两张图像分别作为前景图像和背景图像；

按照第一指定形状和第一指定尺寸裁剪所述背景图像；

按照所述第一指定形状和第二指定尺寸裁剪所述前景图像，对裁剪后的前景图像进行掩膜处理，得到第二指定形状的前景图像；

将所述第二指定形状的前景图像叠加在裁剪后的背景图像上的起始位置，将所述第二指定的前景图像在所述背景图像上按照预设速度朝预设方向平移，将平移过程中的多个时刻的图像作为一组标注数据；

对每组标注数据包括的多张图像分别叠加噪声，得到每组标注数据对应的样本数据；

将得到的多组标注数据以及每组标注数据对应的样本数据生成所述预设训练集。

4.根据权利要求2所述的方法，其特征在于，在所述将得到的多组标注数据以及每组标注数据对应的样本数据生成所述预设训练集之前，所述方法还包括：

每次从所述多张基准无噪声图像中选择两张图像分别作为前景图像和背景图像；

按照第一指定形状和第一指定尺寸裁剪所述背景图像；

按照所述第一指定形状和第二指定尺寸裁剪所述前景图像，对裁剪后的前景图像进行掩膜处理，得到第二指定形状的前景图像，所述第二指定尺寸小于所述第一指定尺寸；

将所述第二指定形状的前景图像叠加在背景图像上的起始位置，将所述第二指定形状的前景图像在所述背景图像上按照预设速度朝预设方向平移，采集平移过程中多个时刻的图像作为一组标注数据。