【技术实现步骤摘要】
本申请涉及图像处理，特别涉及一种降噪模型的训练方法、图像降噪方法、电子设备及计算机可读存储介质。
技术介绍
1、目前业界主流的图像降噪方法是选择离线标定噪声，并利用离线标定噪声合成数据对以训练图像降噪模型。然而，在实际模型推理过程中，输入溢出黑电平部分的信息会被截断，如果此时再补偿较大增益会导致靠近黑电平部分的信息、均值和方差出现较大偏移，从而导致最终图像上呈现出死黑和偏绿的问题。
2、虽然可以在实际图像处理过程中采用补偿黑电平的方式还原噪声分布可以达到抑制图像死黑和偏绿的问题，但是对于一体化的系统设计来说，尤其是芯片设计，黑电平的修改会严重影响到isp（image signal processing，图像信号处理）处理的其他环节。
3、有鉴于此，如何在解决图像死黑、偏绿问题的同时不影响isp处理的其他环节，保障isp链路的一体化已成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、本申请的目的是提供一种降噪模型的训练方法、图像降噪方法、电子设备及介质，能够在解决图像死黑、偏绿问题的同时不影响isp处理的其他环节，保障isp链路的一体化，降低设计难度。
2、为解决上述技术问题，本申请提供了一种降噪模型的训练方法，包括：
3、获取训练好的初始降噪模型；
4、对训练好的初始降噪模型所使用的原始带噪数据进行黑电平补偿，得到增强带噪数据；
5、根据所述增强带噪数据对所述初始降噪模型进行微调，得到目标降噪模型。p>
6、在一些实施方式中，所述对训练好的初始降噪模型所使用的原始带噪数据进行黑电平补偿，得到增强带噪数据，包括：
7、获取所述原始带噪数据对应的原始图像域数据，所述原始图像域数据为真实拍摄的图像域数据；
8、对所述原始图像域数据进行黑电平校正、黑电平补偿以及增益处理，得到所述增强带噪数据。
9、在一些实施方式中，所述对所述原始图像域数据进行黑电平校正、黑电平补偿以及增益处理，得到所述增强带噪数据，包括：
10、根据以下公式对所述原始图像域数据进行黑电平校正、黑电平补偿以及增益处理，得到所述增强带噪数据；
11、；
12、其中，表示所述增强带噪数据，clip表示截断函数，raw表示所述原始图像域数据，oribl表示所述原始图像域数据的原始黑电平，blc_bc表示黑电平补偿值，dgain表示增益处理时使用的数字增益值，fixbl表示黑电平校正时使用的校正黑电平。
13、在一些实施方式中，所述根据所述增强带噪数据对所述初始降噪模型进行微调，得到目标降噪模型，包括：
14、加载训练好的所述初始降噪模型；
15、以所述原始带噪数据以及所述增强带噪数据对应的去噪样本数据所构建的训练数据对，对所述初始降噪模型进行优化训练，得到所述目标降噪模型。
16、在一些实施方式中，所述以所述原始带噪数据以及所述增强带噪数据对应的去噪样本数据所构建的训练数据对，对所述初始降噪模型进行优化训练，包括：
17、以所述训练数据对在rgb域作监督，以对所述初始降噪模型进行优化训练。
18、在一些实施方式中，所述去噪样本数据为rgb域下的去噪样本数据；
19、所述对所述初始降噪模型进行优化训练，得到所述目标降噪模型的过程包括：
20、在每次训练迭代过程中，以所述原始带噪数据作为最新的初始降噪模型的输入，得到最新的初始降噪模型输出的raw域去噪数据；
21、对所述raw去噪数据进行图像信号处理，得到rgb域下的去噪预测数据；
22、根据所述去噪样本数据以及所述去噪预测数据对所述初始降噪模型进行优化，得到优化后的最新的初始降噪模型；
23、返回继续进行下一次训练迭代，直到迭代完成时将最新的初始降噪模型输出为所述目标降噪模型。
24、在一些实施方式中，所述训练数据对的构建过程包括：
25、将所述增强带噪数据输入所述初始降噪模型进行降噪处理，以得到所述初始降噪模型输出的初始样本数据；
26、将所述初始样本数据进行图像信号处理，得到所述增强带噪数据对应的去噪样本数据；
27、以所述原始带噪数据以及将所述原始带噪数据进行黑电平补偿所得到的所述增强带噪数据所对应的去噪样本数据构建所述训练数据对。
28、为解决上述技术问题，本申请还提供了一种图像降噪方法，包括：
29、获取待降噪图像数据；
30、将所述待降噪图像数据输入至目标降噪模型中进行降噪处理，得到去噪图像数据，所述目标降噪模型为上述降噪模型的训练方法所训练得到的目标降噪模型。
31、为解决上述技术问题，本申请还提供了一种降噪模型的训练装置，包括：
32、获取模块，用于获取训练好的初始降噪模型；
33、补偿模块，用于对训练好的初始降噪模型所使用的原始带噪数据进行黑电平补偿，得到增强带噪数据；
34、训练模块，用于根据所述增强带噪数据对所述初始降噪模型进行微调，得到目标降噪模型。
35、为解决上述技术问题，本申请还提供了一种电子设备，包括：
36、存储器，用于存储计算机程序；
37、处理器，用于执行所述计算机程序时实现如上所述的降噪模型的训练方法或者如上所述的图像降噪方法的步骤。
38、为解决上述技术问题，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的降噪模型的训练方法或者如上所述的图像降噪方法的步骤。
39、本申请所提供的降噪模型的训练方法，包括：获取训练好的初始降噪模型；对训练好的初始降噪模型所使用的原始带噪数据进行黑电平补偿，得到增强带噪数据；根据所述增强带噪数据对所述初始降噪模型进行微调，得到目标降噪模型。本方案形成了两阶段模型训练方案，在训练好的初始降噪模型的基础上，通过黑电平补偿后的增强带噪数据作为二阶段微调模型时的训练数据，能够使微调得到的目标降噪模型学习到并具有黑电平补偿的能力，因此能够有效解决图像死黑以及偏绿的问题，也不需要再之后的图像处理过程再进行黑电平补偿，不会影响模型isp处理的其他环节，保证了isp链路一体化，间接降低了芯片等的设计难度。
40、本申请所提供的图像降噪方法、电子设备及计算机可读存储介质均具有上述技术效果。
本文档来自技高网...【技术保护点】
1.一种降噪模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对训练好的初始降噪模型所使用的原始带噪数据进行黑电平补偿，得到增强带噪数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述原始图像域数据进行黑电平校正、黑电平补偿以及增益处理，得到所述增强带噪数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述增强带噪数据对所述初始降噪模型进行微调，得到目标降噪模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述以所述原始带噪数据以及所述增强带噪数据对应的去噪样本数据所构建的训练数据对，对所述初始降噪模型进行优化训练，包括：
6.根据权利要求4或5所述的方法，其特征在于，所述去噪样本数据为RGB域下的去噪样本数据；
7.根据权利要求4或5 所述的方法，其特征在于，所述训练数据对的构建过程包括：
8.一种图像降噪方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在
...【技术特征摘要】
1.一种降噪模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对训练好的初始降噪模型所使用的原始带噪数据进行黑电平补偿，得到增强带噪数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述原始图像域数据进行黑电平校正、黑电平补偿以及增益处理，得到所述增强带噪数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述增强带噪数据对所述初始降噪模型进行微调，得到目标降噪模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述以所述原始带噪数据以及所述增强带噪数据对应的去噪样本...
【专利技术属性】
技术研发人员：吴淇，
申请(专利权)人：湖南国科微电子股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。