[发明专利]一种图像去噪方法、装置及存储介质

权利要求书

1.一种图像去噪方法，其特征在于，包括：

利用预设采样数据集，对预设U形神经网络进行神经结构搜索，搜索出满足预设收敛条件的第一降采样单元和第一上采样单元；

对所述第一降采样单元和所述第一上采样单元，基于单元内算子在搜索期间架构参数变化趋势进行算子筛选，得到第二降采样单元和第二上采样单元；

基于所述第二降采样单元和所述第二上采样单元生成非盲去噪子网络；

获取噪声估计子网络，并利用所述噪声估计子网络和所述非盲去噪子网络，对待去噪图像进行去噪处理，得到已去噪图像。

2.根据权利要求1所述的方法，其特征在于，所述利用预设采样数据集，对预设U形神经网络进行神经结构搜索，搜索出满足预设收敛条件的第一降采样单元和第一上采样单元之前，所述方法还包括：

获取待搜索降采样单元和待搜索上采样单元；所述待搜索降采样单元和所述待搜索上采样单元，均由节点、上采样算子、下采样算子和恒等映射算子组合，构成对应单元的搜索空间；

将所述待搜索降采样单元和所述待搜索上采样单元进行堆叠，生成所述预设U形神经网络。

3.根据权利要求1或2所述的方法，其特征在于，所述预设采样数据集包括：未去噪图像，以及针对所述未去噪图像预设的第一去噪图像，所述利用预设采样数据集，对预设U形神经网络进行神经结构搜索，搜索出满足预设收敛条件的第一降采样单元和第一上采样单元，包括：

利用所述预设U形神经网络，对所述未去噪图像进行去噪处理，得到第二去噪图像；

计算所述第一去噪图像和所述第二去噪图像之间的损失信息，得到网络损失函数；

基于所述网络损失函数，对所述预设U形神经网络中，待搜索降采样单元和待搜索上采样单元内算子的架构参数和权重参数优化，直至满足所述预设收敛条件，得到所述第一降采样单元和所述第一上采样单元。

4.根据权利要求1所述的方法，其特征在于，所述对所述第一降采样单元和所述第一上采样单元，基于单元内算子在搜索期间架构参数变化趋势进行算子筛选，得到第二降采样单元和第二上采样单元，包括：

从所述第一降采样单元中，选取在搜索期间架构参数变化趋势上升的算子组成所述第二降采样单元；

从所述第一上采样单元中，选取在搜索期间架构参数变化趋势上升的算子组成所述第二上采样单元。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第二降采样单元和所述第二上采样单元生成非盲去噪子网络，包括：

获取待更新去噪子网络；

将所述待更新去噪子网络中，预设降采样单元更新为所述第二降采样单元，预设上采样单元更新为所述第二上采样单元，得到所述非盲去噪子网络。

6.根据权利要求1所述的方法，其特征在于，所述利用所述噪声估计子网络和所述非盲去噪子网络，对待去噪图像进行去噪处理，得到已去噪图像，包括：

利用所述噪声估计子网络，对所述待去噪图像进行噪声估计，得到噪声估计结果；

利用所述非盲去噪子网络，基于所述噪声估计结果，对所述待去噪图像进行去噪处理，得到所述已去噪图像。

7.根据权利要求1所述的方法，其特征在于，所述利用所述噪声估计子网络和所述非盲去噪子网络，对待去噪图像进行去噪处理之前，所述方法还包括：

将所述噪声估计子网络和所述非盲去噪子网络级联；

利用所述预设采样数据集，对级联的所述噪声估计子网络和所述非盲去噪子网络进行协同训练。

8.根据权利要求1所述的方法，其特征在于，所述噪声估计子网络，为用于实现图像噪声估计的全卷积网络。