基于生成式对抗网络的图像去噪装置、方法、设备及介质制造方法及图纸

本发明专利技术提供一种基于生成式对抗网络的图像去噪装置、方法、设备及介质，该装置包括：获取模块，用于获取待去噪图像；处理模块，用于将所述待去噪图像输入至生成式对抗网络中，得到所述生成式对抗网络输出的目标去噪图像，所述生成式对抗网络是基于历史去噪图像样本集进行训练得到的，所述历史去噪图像样本集中的图像样本数量小于预设数量阈值。该装置可在少量历史去噪图像样本的情况下，训练生成式对抗网络，该生成式对抗网络具有较好的泛化性能和去噪性能，然后，利用该生成式对抗网络对待去噪图像进行去噪处理，得到噪声较少的目标去噪图像，可有效提高图像去噪效果。可有效提高图像去噪效果。可有效提高图像去噪效果。

【技术实现步骤摘要】
基于生成式对抗网络的图像去噪装置、方法、设备及介质


[0001]本专利技术涉及图像处理
，尤其涉及一种基于生成式对抗网络的图像去噪装置、方法、设备及介质。

技术介绍

[0002]随着计算机技术的迅速发展，电子设备利用深度学习方法对图像进行去噪得到了广泛关注。
[0003]现有的图像去噪方法往往基于深度学习的判别模型或基于深度学习的优化模型，前者用于解决图像的高斯白噪声问题，后者用于估计真实噪声以对图像进行去噪。
[0004]然而，无论哪种方法，电子设备在对模型进行训练的过程中，都需要大量的训练数据，使得整个训练过程较为复杂，导致最终得到的图像去噪模型也不够准确。这样一来，该电子设备利用该图像去噪模型无法准确地对待去噪图像进行去噪，即，现有的图像去噪方法的去噪效果不佳。

技术实现思路

[0005]本专利技术提供一种基于生成式对抗网络的图像去噪装置、方法、设备及介质，可在少量历史去噪图像样本的情况下，训练生成式对抗网络，该生成式对抗网络具有较好的泛化性能和去噪性能，然后，再利用该生成式对抗网络对待去噪图像进行去噪处理，得到噪声较少的目标去噪图像，可有效提高图像去噪效果。
[0006]本专利技术提供一种基于生成式对抗网络的图像去噪装置，包括：
[0007]获取模块，用于获取待去噪图像；
[0008]处理模块，用于将该待去噪图像输入至生成式对抗网络中，得到该生成式对抗网络输出的目标去噪图像，该生成式对抗网络是基于历史去噪图像样本集进行训练得到的，该历史去噪图像样本集中的图像样本数量小于预设数量阈值。
[0009]根据本专利技术提供的一种基于生成式对抗网络的图像去噪装置，该获取模块，具体用于获取历史去噪图像样本集及随机噪声，该历史去噪图像样本集包括该历史待去噪图像集及该历史目标去噪图像集；
[0010]该处理模块，具体用于将该随机噪声输入至该生成网络中，得到该生成网络输出的待判别图像；根据该待判别图像，更新该生成网络对应的网络参数，得到更新后的生成网络，并根据该待判别图像及该历史去噪图像样本集，更新该判别网络对应的网络参数，得到更新后的判别网络；根据该更新后的生成网络及该更新后的判别网络，确定训练好的生成式对抗网络。
[0011]根据本专利技术提供的一种基于生成式对抗网络的图像去噪装置，该处理模块，具体用于将该待判别图像输入至该判别网络中，得到该判别网络输出的第一历史目标去噪图像；并根据该第一历史目标去噪图像，更新该生成网络对应的网络参数，得到该更新后的生成网络；将该待判别图像及该历史去噪图像样本集输入至该判别网络中，得到该判别网络
输出的第二历史目标去噪图像；并根据该第二历史目标去噪图像，更新该判别网络对应的网络参数，得到该更新后的判别网络。
[0012]根据本专利技术提供的一种基于生成式对抗网络的图像去噪装置，该处理模块，具体用于根据第一优化函数，更新该生成网络对应的网络参数，得到该更新后的生成网络；其中，该第一优化函数为：min表示最小化；V1(G,D)表示该更新后的生成网络对应的值函数；E(
·
)表示数学期望；z～P
z
(z)表示采样后的随机噪声z；D(
·
)表示该判别网络输出的图像；G(
·
)表示该生成网络输出的图像。
[0013]根据本专利技术提供的一种基于生成式对抗网络的图像去噪装置，该处理模块，具体用于根据第二优化函数，更新该判别网络对应的网络参数，得到该更新后的判别网络；其中，该第二优化函数为：max表示最大化；V2(D,G)表示该更新后的判别网络对应的值函数；E(
·
)表示数学期望；I～P
data
(I
ori
)表示采样后的历史去噪图像样本集中的任一历史去噪图像样本I
ori
；D(
·
)表示该判别网络输出的图像；x表示该历史去噪图像样本集；z～P
z
(z)表示采样后的随机噪声z；G(
·
)表示该生成网络输出的图像。
[0014]根据本专利技术提供的一种基于生成式对抗网络的图像去噪装置，该处理模块，具体用于将该待去噪图像输入至生成式对抗网络中更新后的生成网络，得到该更新后的生成网络输出的重构图像；根据该待去噪图像及该重构图像，确定均方误差；重复执行该根据该待去噪图像及该生成图像，确定均方误差这一步骤，在最后一次的均方误差小于等于预设误差阈值或重复次数达到预设次数阈值的情况下，将最小均方误差对应的重构图像确定为该目标去噪图像。
[0015]根据本专利技术提供的一种基于生成式对抗网络的图像去噪装置，该处理模块，具体用于根据均方误差公式，得到该均方误差；其中，该均方误差公式为RMSE表示该均方误差；N表示该预设次数阈值；表示第i次的待去噪图像；表示第i次的重构图像。
[0016]本专利技术还提供一种基于生成式对抗网络的图像去噪方法，包括：
[0017]获取待去噪图像；
[0018]将该待去噪图像输入至生成式对抗网络中，得到该生成式对抗网络输出的目标去噪图像，该生成式对抗网络是基于历史去噪图像样本集进行训练得到的，该历史去噪图像样本集中的图像样本数量小于预设数量阈值。
[0019]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述基于生成式对抗网络的图像去噪方法。
[0020]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述基于生成式对抗网络的图像去噪方法。
[0021]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述基于生成式对抗网络的图像去噪方法。
[0022]本专利技术提供的基于生成式对抗网络的图像去噪装置、方法、设备及介质，该装置通
过获取模块获取待去噪图像；处理模块将所述待去噪图像输入至生成式对抗网络中，得到所述生成式对抗网络输出的目标去噪图像，所述生成式对抗网络是基于历史去噪图像样本集进行训练得到的，所述历史去噪图像样本集中的图像样本数量小于预设数量阈值。该装置可在少量历史去噪图像样本的情况下，训练生成式对抗网络，该生成式对抗网络具有较好的泛化性能和去噪性能，然后，利用该生成式对抗网络对待去噪图像进行去噪处理，得到噪声较少的目标去噪图像，可有效提高图像去噪效果。
附图说明
[0023]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1是本专利技术提供的基于生成式对抗网络的图像去噪装置的结构示意图；
[0025]图2是本专利技术提供的生成网络的结构示意图；
[0026]图3是本专利技术提供的判本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成式对抗网络的图像去噪装置，其特征在于，包括：获取模块，用于获取待去噪图像；处理模块，用于将所述待去噪图像输入至生成式对抗网络中，得到所述生成式对抗网络输出的目标去噪图像，所述生成式对抗网络是基于历史去噪图像样本集进行训练得到的，所述历史去噪图像样本集中的图像样本数量小于预设数量阈值。2.根据权利要求1所述的装置，其特征在于，所述生成式对抗网络包括生成网络及判别网络，所述获取模块，具体用于获取历史去噪图像样本集及随机噪声，所述历史去噪图像样本集包括所述历史待去噪图像集及所述历史目标去噪图像集；所述处理模块，具体用于将所述随机噪声输入至所述生成网络中，得到所述生成网络输出的待判别图像；根据所述待判别图像，更新所述生成网络对应的网络参数，得到更新后的生成网络，并根据所述待判别图像及所述历史去噪图像样本集，更新所述判别网络对应的网络参数，得到更新后的判别网络；根据所述更新后的生成网络及所述更新后的判别网络，确定训练好的生成式对抗网络。3.根据权利要求2所述的装置，其特征在于，所述处理模块，具体用于将所述待判别图像输入至所述判别网络中，得到所述判别网络输出的第一历史目标去噪图像；并根据所述第一历史目标去噪图像，更新所述生成网络对应的网络参数，得到所述更新后的生成网络；将所述待判别图像及所述历史去噪图像样本集输入至所述判别网络中，得到所述判别网络输出的第二历史目标去噪图像；并根据所述第二历史目标去噪图像，更新所述判别网络对应的网络参数，得到所述更新后的判别网络。4.根据权利要求3所述的装置，其特征在于，所述处理模块，具体用于根据第一优化函数，更新所述生成网络对应的网络参数，得到所述更新后的生成网络；其中，所述第一优化函数为：min表示最小化；V1(G,D)表示所述更新后的生成网络对应的值函数；E(
·
)表示数学期望；z～P
z
(z)表示采样后的随机噪声z；D(
·
)表示所述判别网络输出的图像；G(
·
)表示所述生成网络输出的图像。5.根据权利要求3所述的装置，其特征在于，所述处理模块，具体用于根据第二优化函数，更新所述判别网络对应的网络...

【专利技术属性】
技术研发人员：顾淳涛，李伟琪，胡威，黄远东，
申请(专利权)人：北京奕斯伟计算技术股份有限公司，
类型：发明
国别省市：