[发明专利]图像去噪方法、装置、电子设备、存储介质

说明书

本发明实施方式公开了一种图像去噪方法、装置、电子设备及存储介质。方法包括：接收原始图像；将所述原始图像输入已训练的去噪神经网络以使所述去噪神经网络输出去噪后图像，其中所述去噪神经网络包含编码器和解码器，所述编码器包括与所述解码器连接的至少一个跳跃连接，所述编码器适配于以跨尺度融合方式将所述原始图像编码成隐层表示，所述解码器适配于基于所述至少一个跳跃连接将所述隐层表示解码成所述去噪后图像。本发明实施方式实现不同尺度之间特征的融合，以多尺度信息的相互传递来提高网络去噪能力。而且，本发明实施方式加入注意力机制来筛选特征层，去噪效率和准确率都具有显著提升。

技术领域

本发明实施方式涉及图像处理技术领域，更具体的说，涉及一种图像去噪方法、装置、电子设备及存储介质。

背景技术

图像去噪(Image Denoising)是指减少数字图像中噪声的过程。现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声干扰等影响，称为含噪图像或噪声图像。图像去噪是一项重要且具有挑战性的计算机视觉任务，因为图像噪点的存在会严重降低图像的质量，可能会使其视觉效果或多媒体任务无法正常工作。

在现有的图像去噪技术中，主要集中于特征提取和神经网络的模型设计。然而，目前的图像去噪神经网络模型通常不考虑跨尺度关系，可能会导致信息丢失，因此去噪能力不强。

发明内容

本发明实施方式提出一种图像去噪方法、装置、电子设备及存储介质。

本发明实施方式的技术方案如下：

一种图像去噪方法，包括：

接收原始图像；

将所述原始图像输入已训练的去噪神经网络以使所述去噪神经网络输出去噪后图像，其中所述去噪神经网络包含编码器和解码器，所述编码器包括与所述解码器连接的至少一个跳跃连接，所述编码器适配于以跨尺度融合方式将所述原始图像编码成隐层表示，所述解码器适配于基于所述至少一个跳跃连接将所述隐层表示解码成所述去噪后图像。

在示范性实施方式中，还包括：

将预定的图像库划分为训练集和测试集；

以训练集中的图像作为无噪声图像，使用图像处理库在所述无噪声图像中加入噪声以作为所述去噪神经网络的训练数据；

基于所述训练数据训练所述去噪神经网络；

基于所述测试集验证所述去噪神经网络的训练效果。

在示范性实施方式中，所述基于所述训练数据训练所述去噪神经网络包括：将结构相似性损失函数和L₁范数损失函数的加权结果，确定为基于所述训练数据训练所述去噪神经网络的损失函数。

在示范性实施方式中，所述编码器还包括注意力机制模型；

所述以跨尺度融合方式将所述原始图像编码成隐层表示包括：

将所述原始图像输入第一卷积窗口执行第一卷积运算，以获取第一尺度的特征图和不同于所述第一尺度的、第二尺度的特征图；

将第一尺度的特征图输入第二卷积窗口执行第二卷积运算，以获取第二卷积运算后的特征图；

对第二尺度的特征图执行第一最大池化处理，将第一最大池化处理后的特征图输入第三卷积窗口执行第三卷积运算，以获取第三卷积运算后的特征图；

对第二尺度的特征图执行第二最大池化处理，对第二最大池化处理后的特征图执行第三最大池化处理，以获取第三最大池化处理后的特征图；

将第二卷积运算后的特征图、第三卷积运算后的特征图和第三最大池化处理后的特征图输入所述注意力机制模型，以获取所述隐层表示。