[发明专利]一种图像去噪模型的在线训练装置及方法

说明书

本发明公开了一种图像去噪模型的在线训练装置，包括摄像头、存储模块和训练模块，所述存储模块分别连接所述摄像头和训练模块，所述摄像头用于拍摄图像，并将拍摄的图像及对应的曝光条件按照不同拍摄环境分类存储在所述存储模块；所述曝光条件包括正常曝光条件和其他曝光条件；所述训练模块中包括去噪模型，所述存储模块中拍摄环境A中正常曝光条件及对应图像、其他曝光条件及对应图像传输至所述训练模块中对所述去噪模型进行训练，获得拍摄环境A对应的最优去噪模型。本发明提供的一种图像去噪模型的在线训练装置及方法，克服了线下训练方法存在的采样图像不能覆盖全空间的问题，确保了去噪模型的精准性。

技术领域

本发明涉及图像处理领域，具体涉及一种图像去噪模型的在线训练装置及方法。

背景技术

图像传感器在获取图像时，由于拍摄场景不同，其获取的图像中包含的噪声信息不同；尤其在低光照环境下，图像中的噪声水平很高，甚至可以和图像信息相比拟，如何在低光照拍摄环境下对图像进行去噪并提取图像信息，是一项很有挑战的工作。

近年来基于卷积神经网络的去噪模型逐渐应用在图像去噪领域，通常来讲，神经网络的训练是采用线下训练的方法，先搜集大量场景，每一场景均采集不同曝光条件下的图像，然后在服务器上完成训练。一般来讲，低光照工作环境有其特定的应用场景，比如工业环境、地下车库等，在不同的拍摄环境中拍摄的图像包含的噪声不同，为了确保去噪的准确性，不同拍摄环境需要配备不同的去噪模型，在训练不同的去噪模型时需要大量的该拍摄环境下不同曝光条件所拍摄的图像。

传统的图像采集方式不利于对具体拍摄环境中训练图像的大量采集，现有的线下训练方式也不能确保训练之后去噪模型的精准度；当验证之后的去噪模型不能满足要求时，不能及时快捷地寻找出该拍摄环境下的训练图像。因此，如何快速准确地训练得到特定拍摄环境下的去噪模型是图像处理领域亟待解决的问题。

发明内容

本发明的目的是提供一种图像去噪模型的在线训练装置及方法，克服了线下训练方法存在的采样图像不能覆盖全空间的问题，确保了去噪模型的精准性。

为了实现上述目的，本发明采用如下技术方案：一种图像去噪模型的在线训练装置，包括摄像头、存储模块和训练模块，所述存储模块分别连接所述摄像头和训练模块，所述摄像头用于拍摄图像，并将拍摄的图像及对应的曝光条件按照不同拍摄环境分类存储在所述存储模块；所述曝光条件包括正常曝光条件和其他曝光条件；

所述训练模块中包括去噪模型，所述存储模块中拍摄环境A中正常曝光条件及对应图像、其他曝光条件及对应图像传输至所述训练模块中对所述去噪模型进行训练，获得拍摄环境A对应的最优去噪模型。

进一步地，所述训练模块包括FPGA和外围接口电路。

进一步地，所述训练模块还包括图像预处理单元和训练调度单元。

进一步地，所述去噪模型为神经网络去噪模型。

进一步地，所述在线训练装置还包括移动载体，所述摄像头位于所述移动载体上，并随着移动载体的移动进行不同拍摄环境下的拍摄。

本发明提供的一种图像去噪模型的在线训练方法，包括如下步骤：

S01：摄像头拍摄图像，并将拍摄的图像及对应的曝光条件按照不同拍摄环境分类存储在存储模块；

S02：拍摄环境A中正常曝光条件及对应图像、其他曝光条件及对应图像传输至训练模块中对去噪模型进行训练；

S03：所述训练模块获得拍摄环境A对应的最优去噪模型。

进一步地，所述训练模块还包括图像预处理单元和训练调度单元，所述步骤S02中拍摄环境A正常曝光条件及对应图像、其他曝光条件及对应图像在所述训练调度单元的调配下进入所述图像预处理单元进行预处理，预处理之后的图像对所述去噪模型进行训练。