[发明专利]一种视频去噪方法、装置、存储介质和电子装置

权利要求书

1.一种视频去噪方法，所述方法包括：

将带噪图像帧序列依次输入训练好的去噪模型；

通过所述去噪模型的特征提取模块，获取当前接收的带噪图像帧的图像特征；

通过所述去噪模型的特征暂存模块更新所述图像特征，获取所述当前接收的带噪图像帧的目标图像特征；

根据所述目标图像特征通过所述去噪模型的去噪模块进行去噪操作，获取与所述当前接收的带噪图像帧对应的实际去噪图像帧。

2.根据权利要求1所述的方法，其特征在于，通过所述去噪模型的特征暂存模块更新所述图像特征，获取目标图像特征，包括：

提取所述特征暂存模块中缓存的暂存特征；

基于注意力机制根据所述暂存特征和所述图像特征获得所述目标图像特征。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标图像特征通过所述去噪模型的去噪模块进行去噪操作之前，所述方法还包括：

对所述目标图像特征进行特征精炼处理，将处理后的所述目标图像特征作为所述特征暂存模块中缓存的所述暂存特征。

4.根据权利要求2所述的方法，其特征在于，所述基于注意力机制根据所述暂存特征和所述图像特征获得所述目标图像特征，包括：

将所述暂存特征和所述图像特征进行特征融合，获得第一融合特征；

通过第一权重和所述暂存特征进行点乘提取目标暂存特征，其中，所述第一权重通过所述第一融合特征经过激活函数映射后获取；

将所述目标暂存特征和所述图像特征进行特征融合，获得所述目标图像特征。

5.根据权利要求1所述的方法，其特征在于，构建所述去噪模型的过程，包括：

通过获取的样本数据构建自适应训练数据集；

将所述自适应训练数据集每一帧依次输入待训练去噪模型；

通过计算预设的损失目标对所述待训练去噪模型进行参数调整直至所述待训练去噪模型满足预设的收敛条件。

6.根据权利要求5所述的方法，其特征在于，通过获取的样本数据构建自适应训练数据集，包括：

分别获取多类样本数据，其中，每类样本数据包括带噪图像样本序列，以及与所述带噪图像样本序列中每一带噪图像帧对应的目标去噪图像样本帧；

将所述多类样本数据按比例组合构建所述自适应训练数据集。

7.根据权利要求6所述的去噪方法，其特征在于，获取每个所述样本数据的方式，包括：

将通过外部设备采集的图像作为所述带噪图像样本序列，

将所述带噪图像样本序列中的一帧作为目标带噪图像样本帧，将所述目标带噪图像样本帧及其之前的图像样本帧组成目标带噪图像样本组；

通过已训练好的图像去噪模型对目标带噪图像样本组完成去噪操作，获取所述目标带噪图像样本帧对应的目标去噪图像帧；

将所述带噪图像样本序列中的每帧作为所述目标带噪图像样本帧确定对应的目标去噪图像样本帧。

8.根据权利要求6所述的去噪方法，其特征在于，所述方法还包括：

在通过调整所述待训练去噪模型的参数使所述损失函数仍无法收敛的情况下，继续将所述自适应训练数据集依次输入，直至通过调整所述待训练去噪模型的参数使相应的损失目标收敛，完成对所述去噪模型的训练。

9.根据权利要求1所述的去噪方法，其特征在于，将带噪视频包含的图像序列依次输入训练好的去噪模型，包括：

确定所述带噪视频中第一图像的图像质量，根据所述图像质量从多个候选去噪模型中自适应选择目标去噪模型，将所述第一图像输入所述目标去噪模型，其中，所述图像质量包含以下至少一个：图像属性和传感器类型，所述多个候选去噪模型之间的模型层数和模型通道数不同。