一种图像处理方法、设备及计算机可读存储介质技术

本申请实施例公开一种图像处理方法，该方法包括：获取第一样本图像和第二样本图像；其中，第二样本图像是对第一样本图像加入噪声后得到的；对第二样本图像进行处理得到边缘信息，并提取第二样本图像的不同尺度的第一特征图；基于第一样本图像、第二样本图像、边缘信息和第一特征图进行模型训练，得到目标去噪模型；采用目标去噪模型对待处理噪声图像进行去噪处理，得到目标图像。本申请实施例还公开一种图像处理设备及计算机可读存储介质。种图像处理设备及计算机可读存储介质。种图像处理设备及计算机可读存储介质。

【技术实现步骤摘要】
一种图像处理方法、设备及计算机可读存储介质


[0001]本申请涉及图像处理领域的图像处理技术，尤其涉及一种图像处理方法、设备及计算机可读存储介质。

技术介绍

[0002]图像经过采集、压缩和传输等阶段都会不同程度的引入噪声，导致图像有效信息的丢失，因此，对图像进行去噪以保证图像信息的完整性是图像处理中的关键步骤；相关技术中，通常采用滤波器对图像进行去噪，但是这种去噪方方法对图像的细节信息还原较差，导致去噪后的图像存在模糊。

技术实现思路

[0003]为解决上述技术问题，本申请实施例期望提供一种图像处理方法、设备及计算机可读存储介质，解决了相关技术中去噪后的图像存在模糊的问题，提高了去噪后的图像的清晰度。
[0004]本申请的技术方案是这样实现的：
[0005]一种图像处理方法，所述方法包括：
[0006]获取第一样本图像和第二样本图像；其中，所述第二样本图像是对所述第一样本图像加入噪声后得到的；
[0007]对所述第二样本图像进行处理得到边缘信息，并提取所述第二样本图像的不同尺度的第一特征图；
[0008]基于所述第一样本图像、所述第二样本图像、所述边缘信息和所述第一特征图进行模型训练，得到目标去噪模型；
[0009]采用所述目标去噪模型对待处理噪声图像进行去噪处理，得到目标图像。
[0010]上述方案中，所述对所述第二样本图像进行处理得到边缘信息，包括：
[0011]采用初始去噪模型中的引导滤波模块对所述第二样本图像进行引导滤波处理；<br/>[0012]采用所述初始去噪模型中的残差密集网络对进行了引导滤波处理的图像进行处理，得到所述边缘信息。
[0013]上述方案中，所述提取所述第二样本图像的不同尺度的第一特征图，包括：
[0014]采用初始去噪模型中的多个不同的空洞卷积层，分别对所述第二样本图像进行特征提取，得到所述第一特征图。
[0015]上述方案中，所述基于所述第一样本图像、所述第二样本图像、所述边缘信息和所述第一特征图进行模型训练，得到目标去噪模型，包括：
[0016]将多个第一特征图进行融合，得到第二特征图；
[0017]将所述第二样本图像和所述第二特征图进行融合，得到第三特征图；
[0018]将所述第三特征图和所述边缘信息在通道上进行级联，得到第四特征图；
[0019]基于所述第一样本图像、所述第二样本图像和所述第四特征图对初始去噪模型进
行模型训练，得到目标去噪模型。
[0020]上述方案中，所述基于所述第一样本图像、所述第二样本图像和所述第四特征图对初始去噪模型进行模型训练，得到目标去噪模型，包括：
[0021]采用初始去噪模型中的编解码网络对所述第四特征图进行编码，得到编码信息；
[0022]确定所述编码信息对应的每一通道的权重系数；
[0023]基于所述权重系数，对所述编码信息进行处理得到待分析图像；
[0024]基于所述第一样本图像、所述第二样本图像和所述待分析图像和目标损失函数，对所述初始去噪模型进行训练得到所述目标去噪模型。
[0025]上述方案中，所述基于所述权重系数，对所述编码信息进行处理得到待分析图像，包括：
[0026]针对第n通道的编码信息，基于所述第n通道的权重系数和所述第n通道的编码信息，得到所述第n通道的目标编码信息；其中，n为正整数；
[0027]采用所述编解码网络对多个通道的目标编码信息进行解码，得到所述待分析图像。
[0028]上述方案中，所述基于所述第一样本图像、所述第二样本图像和所述待分析图像和目标损失函数，对所述初始去噪模型进行训练得到所述目标去噪模型之前，还包括：
[0029]确定第一损失函数和第二损失函数；
[0030]确定所述第一损失函数的第一权重和所述第二损失函数的第二权重；
[0031]基于所述第一权重、所述第一损失函数、所述第二权重和所述第二损失函数，确定所述目标损失函数。
[0032]上述方案中，所述获取第一样本图像和第二样本图像，包括：
[0033]获取多个不具有噪声的初始图像；
[0034]对所述初始图像的角度和尺寸进行处理，并对处理后的初始图像进行裁剪得到所述第一样本图像；
[0035]在所述第一样本图像中加入噪声得到所述第二样本图像。
[0036]一种图像处理设备，所述图像处理设备包括：处理器、存储器和通信总线；
[0037]所述通信总线用于实现处理器和存储器之间的通信连接；
[0038]所述处理器用于执行存储器中的图像处理程序，以实现上述图像处理方法的步骤。
[0039]一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述图像处理方法的步骤。
[0040]本申请的实施例所提供的图像处理方法、设备及计算机可读存储介质，获取第一样本图像和第二样本图像；其中，第二样本图像是对第一样本图像加入噪声后得到的；对第二样本图像进行处理得到边缘信息，并提取第二样本图像的不同尺度的第一特征图；基于第一样本图像、第二样本图像、边缘信息和第一特征图进行模型训练，得到目标去噪模型；采用目标去噪模型对待处理噪声图像进行去噪处理，得到目标图像；如此，考虑到了边缘信息对于图像细节信息还原的影响，以及图像的多尺度特征对图像细节信息还原的影响来训练目标去噪模型，并采用目标去噪模型对待处理噪声图像进行处理得到目标图像，避免目标图像中细节信息的丢失，提高了目标图像的清晰度，进一步提高了目标图像的质量，从而
解决了相关技术中对图像的细节信息还原较差，导致去噪后的图像存在模糊的问题。
附图说明
[0041]图1为本申请实施例提供的一种图像处理方法的流程示意图；
[0042]图2为本申请实施例提供的另一图像处理方法的流程示意图；
[0043]图3为本申请实施例提供的残差密集网络中残差密集块的结构示意图；
[0044]图4为本申请实施例提供的边缘信息提取网络的结构示意图；
[0045]图5为本申请实施例提供的不同卷积核的结构示意图；
[0046]图6为本申请实施例提供的多尺度特征提取网络的结构示意图；
[0047]图7为本申请实施例提供的通道注意力网络的结构示意图；
[0048]图8为本申请实施例提供的结合注意力网络的U
‑
net网络的结构示意图；
[0049]图9为本申请实施例提供的感知损失函数的网络结构示意图；
[0050]图10为本申请实施例提供的初始去噪模型的结构示意图；
[0051]图11为本申请实施例提供的图像处理设备的结构示意图。
具体实施方式
[0052]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0053]应当理解，此处所描述的具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取第一样本图像和第二样本图像；其中，所述第二样本图像是对所述第一样本图像加入噪声后得到的；对所述第二样本图像进行处理得到边缘信息，并提取所述第二样本图像的不同尺度的第一特征图；基于所述第一样本图像、所述第二样本图像、所述边缘信息和所述第一特征图进行模型训练，得到目标去噪模型；采用所述目标去噪模型对待处理噪声图像进行去噪处理，得到目标图像。2.根据权利要求1所述的方法，其特征在于，所述对所述第二样本图像进行处理得到边缘信息，包括：采用初始去噪模型中的引导滤波模块对所述第二样本图像进行引导滤波处理；采用所述初始去噪模型中的残差密集网络对进行了引导滤波处理的图像进行处理，得到所述边缘信息。3.根据权利要求1所述的方法，其特征在于，所述提取所述第二样本图像的不同尺度的第一特征图，包括：采用初始去噪模型中的多个不同的空洞卷积层，分别对所述第二样本图像进行特征提取，得到所述第一特征图。4.根据权利要求1所述的方法，其特征在于，所述基于所述第一样本图像、所述第二样本图像、所述边缘信息和所述第一特征图进行模型训练，得到目标去噪模型，包括：将多个第一特征图进行融合，得到第二特征图；将所述第二样本图像和所述第二特征图进行融合，得到第三特征图；将所述第三特征图和所述边缘信息在通道上进行级联，得到第四特征图；基于所述第一样本图像、所述第二样本图像和所述第四特征图对初始去噪模型进行模型训练，得到目标去噪模型。5.根据权利要求4所述的方法，其特征在于，所述基于所述第一样本图像、所述第二样本图像和所述第四特征图对初始去噪模型进行模型训练，得到目标去噪模型，包括：采用初始去噪模型中的编解码网络对所述第四特征图进行编码，得到编码信息；确定所述编码信息对应的每一通道的权重系数；基于所述...

【专利技术属性】
技术研发人员：王鹏飞，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：