[发明专利]图像处理模型的训练方法、图像处理方法及装置

权利要求书

1.一种图像处理模型的训练方法，其特征在于，包括：

利用原始样本图像、所述原始样本图像对应的局部擦除图像及基准去噪图像，对待训练模型进行模型迭代训练，得到图像处理模型；

其中，所述待训练模型包括第一分支去噪网络、第二分支去噪网络和融合网络；每次模型迭代训练的具体实现方式均有：

所述第一分支去噪网络基于所述基准去噪图像，对所述原始样本图像进行去噪处理，得到第一去噪图像；

所述第二分支去噪网络对所述局部擦除图像进行去噪处理，得到第二去噪图像；

所述融合网络对所述第一去噪图像和所述第二去噪图像进行融合处理，得到第三去噪图像；

基于所述第一去噪图像、所述第二去噪图像、所述第三去噪图像以及所述基准去噪图像，调整所述待训练模型的模型参数。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一去噪图像、所述第二去噪图像、所述第三去噪图像以及所述基准去噪图像，调整所述待训练模型的模型参数，包括：

基于所述第一去噪图像、所述第二去噪图像、所述第三去噪图像以及所述基准去噪图像，确定所述待训练模型的去噪损失；

基于所述待训练模型的去噪损失，调整所述待训练模型的模型参数。

3.根据权利要求1所述的方法，其特征在于，所述局部擦除图像包括第一局部擦除图像和第二局部擦除图像，所述第一局部擦除图像为对所述原始样本图像的指定区域进行数据擦除得到，所述第二局部擦除图像为对所述原始样本图像进行随机数据擦除得到；

所述第二分支去噪网络对所述局部擦除图像进行去噪处理，得到第二去噪图像，包括：

若所述待训练模型不满足预设迭代稳定条件，则所述第二分支去噪网络对所述第一局部擦除图像进行去噪处理，得到第二去噪图像；

若所述待训练模型满足所述预设迭代稳定条件，则所述第二分支去噪网络对所述第二局部擦除图像进行去噪处理，得到第二去噪图像。

4.根据权利要求2所述的方法，其特征在于，所述第一分支去噪网络包括第一卷积层和第一生成网络；

所述第一卷积层用于基于所述基准去噪图像对所述原始样本图像进行卷积处理，得到第一纹理特征；

所述第一生成网络用于基于所述第一纹理特征确定第一目标特征，以及基于所述第一目标特征生成所述第一去噪图像。

5.根据权利要求4所述的方法，其特征在于，所述第一分支去噪网络还包括第一残差层；

所述第一残差层用于基于所述原始样本图像和所述局部擦除图像，生成残差图像；

所述第一卷积特征还用于对所述残差图像进行卷积处理，得到第二纹理特征；

在基于所述第一纹理特征确定第一目标特征方面，所述第一生成网络具体用于基于所述第一纹理特征与所述第二纹理特征之间的相似度，对所述第一纹理特征和所述第二纹理特征进行融合处理，得到所述第一目标特征。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第一去噪图像、所述第二去噪图像、所述第三去噪图像以及所述基准去噪图像，确定所述待训练模型的去噪损失，包括：

基于所述第一去噪图像和所述基准去噪图像，确定第一去噪损失；

基于所述第二去噪图像和所述第一去噪图像，确定第二去噪损失；

基于所述第三去噪图像和所述基准去噪图像，确定第三去噪损失；

基于所述第一去噪损失、所述第二去噪损失以及所述第三去噪损失，确定所述待训练模型的去噪损失。

7.根据权利要求6所述的方法，其特征在于，若所述第一分支去噪网络还包括所述第一残差层，则所述基于所述第一去噪图像、所述第二去噪图像、所述第三去噪图像以及所述基准去噪图像，确定所述待训练模型的去噪损失，还包括：

基于所述第一纹理特征与所述第二纹理特征之间的相似度，确定残差损失；

所述基于所述第一去噪损失、所述第二去噪损失以及所述第三去噪损失，确定所述待训练模型的去噪损失，具体包括：

基于所述第一去噪损失、所述第二去噪损失、所述第三去噪损失以及所述残差损失之间的加权和，确定所述待训练模型的去噪损失。