[发明专利]图像去噪模型训练、降噪方法及其设备、存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取噪声图像数据集；

将所述噪声图像数据集中的待训练图像输入图像去噪模型进行预测；其中，所述图像去噪模型至少包括并联的两个卷积层；

利用所述图像去噪模型的预测噪声点以及所述待训练图像中的真实噪声点，对所述图像去噪模型进行训练，以得到最终的图像去噪模型。

2.根据权利要求1所述的方法，其特征在于，

所述图像去噪模型包括残差结构，所述残差结构至少包括并联的两个卷积层；其中，一个卷积层为1*3的卷积层，另一个为3*1的卷积层。

3.根据权利要求2所述的方法，其特征在于，

所述图像去噪模型包括第一残差结构、第二残差结构、第三残差结构、第四残差结构以及第五残差结构；

所述将所述噪声图像数据集中的待训练图像输入至图像去噪模型中进行预测，包括：

将所述待训练图像输入第一残差结构，将所述第一残差结构的输出特征进行下采样之后，输入所述第二残差结构；

将所述第二残差结构的输出特征进行下采样之后，输入所述第三残差结构；

将所述第一残差结构输出特征下采样结果、所述第二残差结构的输出特征以及所述第三残差结构的输出特征上采样结果，输入所述第四残差结构；

将所述第四残差结构的输出特征上采样结果、所述第一残差结构的输出特征以及所述第二残差结构的输出特征上采样结果，输入所述第五残差结构；

利用所述第五残差结构的输出特征对所述待训练图像的噪声进行预测。

4.根据权利要求1所述的方法，其特征在于，

所述获取噪声图像数据集之后，包括：

对所述噪声图像数据集的所有待训练图像进行图像预处理；其中，所述图像预处理包括图像拼接、图像合成、图像翻转和/或图像缩放。

5.根据权利要求4所述的方法，其特征在于，

所述对所述噪声图像数据集的所有待训练图像进行图像预处理，包括：

将所述待训练图像划分为若干个待训练子图；

将所述若干个待训练子图按照预设顺序或者随机顺序重新拼接成新的待训练图像。

6.根据权利要求1所述的方法，其特征在于，

所述方法还包括：

获取模型训练过程中，所述图像去噪模型输出的预测噪声点；

基于所述预测噪声点对所述待训练图像进行去噪，得到训练去噪图像；

获取所述训练去噪图像的信噪比；

在所述信噪比高于等于预设信噪比阈值时，完成对所述图像去噪模型的训练。

7.根据权利要求6所述的方法，其特征在于，

所述获取噪声图像数据集，包括：

获取所述噪声图像数据集中所有待训练图像的信噪比；

将所述信噪比高于等于所述预设信噪比阈值的待训练图像从所述噪声图像数据集中删除。

8.一种图像降噪方法，其特征在于，所述方法包括：

获取待降噪图像；

将所述待降噪图像输入至预先训练好的图像去噪模型；其中，所述图像去噪模型由权利要求1-7任一项所述的模型训练方法得到；

基于所述图像去噪模型的噪声预测结果对所述待降噪图像进行去噪处理，以得到去噪图像。

9.一种图像去噪设备，其特征在于，所述图像去噪设备包括存储器和处理器，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1-7任一项所述的模型训练方法或权利要求8所述的图像降噪方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序数据，所述程序数据在被处理器执行时，用于执行如权利要求1-7任一项所述的模型训练方法或权利要求8所述的图像降噪方法。