[发明专利]用于图像去噪的网络训练方法、装置、终端及存储介质

摘要

本发明适用图像处理技术领域，提供了一种用于图像去噪的网络训练方法、装置、终端及存储介质，该方法包括：将预设数量的噪声图像输入预设的卷积神经网络，初始化卷积神经网络的参数，通过卷积神经网络的去噪层获取噪声图像的去噪图像特征，通过预设的卷积神经网络的组合层将去噪图像特征进行组合，以得到噪声图像去噪后的去噪图像，将去噪图像和噪声图像对应的无噪声图像输入预设的细节损失模型，获取卷积神经网络去噪时的细节损失，当细节损失模型未收敛时，将细节损失反传到卷积神经网络，并根据细节损失更新卷积神经网络参数，以继续对卷积神经网络进行训练，从而通过不断去噪、调整参数来减少网络时的细节损失，进而提高该网络的去噪效果。

主权项

1.一种用于图像去噪的网络训练方法，其特征在于，所述方法包括下述步骤：将预设数量的噪声图像输入预设的卷积神经网络，初始化所述卷积神经网络的参数，通过所述卷积神经网络的去噪层获取噪声图像的去噪图像特征；通过预设的所述卷积神经网络的组合层将所述去噪图像特征进行组合，以得到所述噪声图像去噪后的去噪图像；将所述去噪图像和所述噪声图像对应的无噪声图像输入预设的细节损失模型，通过所述细节损失模型获取所述卷积神经网络对所述噪声图像去噪时的细节损失；当所述细节损失模型未收敛时，通过梯度反传方式将所述细节损失反传到所述卷积神经网络，并根据所述细节损失更新所述卷积神经网络的参数，以继续对所述卷积神经网络进行训练。