【技术实现步骤摘要】
本申请涉及图像处理领域，尤其涉及一种图像降噪方法、装置、电子设备和存储介质。
技术介绍
1、目前，基于深度学习的图像降噪技术发展迅速，这类图像降噪方法的重点在于如何构造训练数据集，这是因为深度学习技术需要海量的数据来做驱动。
2、而现实世界中采集大量干净-有噪声的训练数据对是十分困难且耗时耗力的，并且每款图像传感器（sensor）的噪声表现不一致，若采集多款图像传感器的训练数据，则工作量和难度更是加倍。因此，在图像处理领域通常采用合成数据方式生成训练数据集。
3、虽然合成数据方案发展成熟，但是，这种方案仅对于某一款图像传感器来说具有较好的降噪效果。很多应用场景为了节省开发成本，通常需要一种通用模型做图像降噪，即一款模型可以对很多种不同的图像传感器都有很好的降噪效果。
4、为了达到这样的目的，现有做法是采集需要处理的多个图像传感器的噪声数据，从而得到训练数据集，再训练模型。但这样存在一个问题，不同图像传感器由于硬件设计以及模组的差异，导致其噪声分布存在巨大差异，用这样的数据去训练一个模型，最终会得到一个中等的效果。
5、而为了提升模型效果，现有方法通常会使用复杂度较高的模型，然而在硬件受限和性能要求很高的场景，无法支持大模型的应用，因此只能取舍效果。
6、综上，目前亟需解决的问题是如何通过规模较小的模型来达到适用于多种不同图像传感器的通用图像降噪效果。
技术实现思路
1、本申请提供一种图像降噪方法、装置、电子设备和存储介质，
2、本申请提供一种图像降噪方法，包括：
3、将目标图像传感器处理得到的第一噪声图像进行噪声变换，得到服从参考图像传感器的噪声分布的第二噪声图像；
4、将所述第二噪声图像输入降噪模型进行降噪处理，得到与所述第一噪声图像对应的降噪图像；所述降噪模型为所述参考图像传感器适配的图像降噪模型。
5、根据本申请提供的一种图像降噪方法，所述将目标图像传感器处理得到的第一噪声图像进行噪声变换，得到服从参考图像传感器的噪声分布的第二噪声图像，包括：
6、获取所述目标图像传感器对应的读出噪声和所述参考图像传感器对应的读出噪声；
7、去除所述第一噪声图像中所述目标图像传感器对应的读出噪声，得到服从所述目标图像传感器的泊松噪声分布的第一带噪图像数据；
8、将服从所述目标图像传感器的泊松噪声分布的第一带噪图像数据转换为服从所述参考图像传感器的泊松噪声分布的第二带噪图像数据；
9、在所述第二带噪图像数据中添加所述参考图像传感器对应的读出噪声，得到所述第二噪声图像。
10、根据本申请提供的一种图像降噪方法，所述参考图像传感器对应多个不同的读出噪声；所述将所述第二噪声图像输入降噪模型进行降噪处理，得到与所述第一噪声图像对应的降噪图像，包括：
11、将分别添加了所述参考图像传感器对应的多个不同读出噪声的多张第二噪声图像输入所述降噪模型进行降噪处理，得到所述降噪模型输出的多张中间降噪图像；
12、对多张所述中间降噪图像进行均值处理，得到与所述第一噪声图像对应的降噪图像。
13、根据本申请提供的一种图像降噪方法，所述目标图像传感器对应的读出噪声为所述第一噪声图像的感光度参数下利用所述目标图像传感器处理得到的至少一帧黑帧；
14、和/或，
15、所述参考图像传感器对应的读出噪声为所述第一噪声图像的感光度参数下利用所述参考图像传感器处理得到的至少一帧黑帧。
16、根据本申请提供的一种图像降噪方法，所述将服从所述目标图像传感器的泊松噪声分布的第一带噪图像数据转换为服从所述参考图像传感器的泊松噪声分布的第二带噪图像数据，包括：
17、获取所述第一噪声图像的感光度参数下所述目标图像传感器对应的入射噪声参数和所述参考图像传感器对应的入射噪声参数；
18、将所述第一噪声图像的感光度参数下所述参考图像传感器对应的入射噪声参数与所述目标图像传感器对应的入射噪声参数相除，得到表征所述目标图像传感器的泊松噪声分布与所述参考图像传感器的泊松噪声分布间的转换关系的转换系数；
19、利用所述转换系数，将所述第一带噪图像数据转换为所述第二带噪图像数据。
20、根据本申请提供的一种图像降噪方法，所述降噪模型的训练过程包括：
21、获取干净参考图像以及测试感光度下所述参考图像传感器的入射噪声参数和读出噪声；
22、利用测试感光度下所述参考图像传感器的入射噪声参数，对所述干净参考图像中各像素点的读出噪声进行合成处理，得到所述干净参考图像的入射噪声；
23、在所述干净参考图像中添加所述测试感光度下所述参考图像传感器的读出噪声以及所述干净参考图像的入射噪声，得到所述干净参考图像对应的带噪参考图像；
24、利用所述干净参考图像与所述干净参考图像对应的带噪参考图像所构成的训练数据对对初始的降噪模型进行优化训练，得到优化完成的降噪模型。
25、根据本申请提供的一种图像降噪方法，图像传感器包括所述参考图像传感器和所述目标图像传感器中的任一者，噪声参数包括读出噪声和入射噪声参数中的任一者；
26、所述图像传感器的噪声参数的获取过程包括：
27、确定与目标感光度参数相邻的第一标定感光度和第二标定感光度，所述目标感光度参数位于所述第一标定感光度和所述第二标定感光度之间，所述目标感光度参数包括第一噪声图像的感光度参数或者降噪模型训练时选取的测试感光度；
28、获取所述第一标定感光度下所述图像传感器的第一标定噪声参数和所述第二标定感光度下所述图像传感器的第二标定噪声参数；
29、根据所述第一标定感光度下所述图像传感器的第一标定噪声参数和所述第二标定感光度下所述图像传感器的第二标定噪声参数，确定在所述目标感光度参数下所述图像传感器的噪声参数。
30、本申请提供一种图像降噪装置，包括：
31、噪声变换模块，用于将目标图像传感器处理得到的第一噪声图像进行噪声变换，得到服从参考图像传感器的噪声分布的第二噪声图像；
32、图像降噪模块，用于将所述第二噪声图像输入降噪模型进行降噪处理，得到与所述第一噪声图像对应的降噪图像；所述降噪模型为所述参考图像传感器适配的图像降噪模型。
33、本申请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述任一种所述图像降噪方法。
34、本申请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述任一种所述图像降噪方法。
35、本申请提供的图像降噪方法、装置、电子设备和存储介质，通过将目标图像传感器本文档来自技高网...
【技术保护点】
1.一种图像降噪方法，其特征在于，包括：
2.根据权利要求1所述的图像降噪方法，其特征在于，所述将目标图像传感器处理得到的第一噪声图像进行噪声变换，得到服从参考图像传感器的噪声分布的第二噪声图像，包括：
3.根据权利要求2所述的图像降噪方法，其特征在于，所述参考图像传感器对应多个不同的读出噪声；所述将所述第二噪声图像输入降噪模型进行降噪处理，得到与所述第一噪声图像对应的降噪图像，包括：
4.根据权利要求2所述的图像降噪方法，其特征在于，所述目标图像传感器对应的读出噪声为所述第一噪声图像的感光度参数下利用所述目标图像传感器处理得到的至少一帧黑帧；
5.根据权利要求2所述的图像降噪方法，其特征在于，所述将服从所述目标图像传感器的泊松噪声分布的第一带噪图像数据转换为服从所述参考图像传感器的泊松噪声分布的第二带噪图像数据，包括：
6.根据权利要求1所述的图像降噪方法，其特征在于，所述降噪模型的训练过程包括：
7.根据权利要求2至6任一项所述的图像降噪方法，其特征在于，图像传感器包括所述参考图像传感器和所述目标图像传感
8.一种图像降噪装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述图像降噪方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述图像降噪方法。
...【技术特征摘要】
1.一种图像降噪方法，其特征在于，包括：
2.根据权利要求1所述的图像降噪方法，其特征在于，所述将目标图像传感器处理得到的第一噪声图像进行噪声变换，得到服从参考图像传感器的噪声分布的第二噪声图像，包括：
3.根据权利要求2所述的图像降噪方法，其特征在于，所述参考图像传感器对应多个不同的读出噪声；所述将所述第二噪声图像输入降噪模型进行降噪处理，得到与所述第一噪声图像对应的降噪图像，包括：
4.根据权利要求2所述的图像降噪方法，其特征在于，所述目标图像传感器对应的读出噪声为所述第一噪声图像的感光度参数下利用所述目标图像传感器处理得到的至少一帧黑帧；
5.根据权利要求2所述的图像降噪方法，其特征在于，所述将服从所述目标图像传感器的泊松噪声分布的第一带噪图像数据转换为服从所述参考图...
【专利技术属性】
技术研发人员：袁一璟，
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。