图像去噪方法、装置、设备、存储介质及计算机程序产品与流程
技术特征:
1.一种图像去噪方法,其特征在于,包括:
2.如权利要求1所述的图像去噪方法,其特征在于,所述图像去噪模型的训练方法包括:
3.如权利要求2所述的图像去噪方法,其特征在于,所述将所述噪音图像集和所述干净图像集输入至改进的生成对抗网络,通过所述改进的生成对抗网络生成噪音样本,包括:
4.如权利要求3所述的图像去噪方法,其特征在于,所述将所述噪音集合和所述干净图像集输入至所述改进的生成对抗网络进行训练,包括:
5.如权利要求4所述的图像去噪方法,其特征在于,所述改进的深度卷积神经网络包括去噪卷积神经网络dncnn网络,所述dncnn网络包括依次连接的第一部分、第二部分和第三部分;
6.如权利要求5所述的图像去噪方法,其特征在于,所述第一损失函数为:
7.一种图像去噪装置,其特征在于,包括:
8.一种终端设备,其特征在于,包括处理器和存储器,所述存储器中存储有计算机程序,且所述计算机程序被配置为由所述处理器执行,所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的图像去噪方法。
9.一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存储有计算机程序,其中,所述计算机可读存储介质所在设备执行所述计算机程序时,实现如权利要求1至6中任意一项所述的图像去噪方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序或计算机指令,所述计算机程序或所述计算机指令被处理器执行时实现如权利要求1至6中任意一项所述的图像去噪方法。
技术总结
本发明公开了一种图像去噪方法、装置、设备、存储介质及计算机程序产品,所述方法包括:获取待处理噪音图像;将所述待处理噪音图像作为输入数据,输入至预设的图像去噪模型,得到所述图像去噪模型输出的去噪图像;其中,所述图像去噪模型根据生成对抗网络和深度卷积神经网络训练得到,所述生成对抗网络用于生成噪音样本,所述深度卷积神经网络用于根据所述噪音样本进行训练;所述噪音样本包括成对的噪音图像和干净图像。本发明通过构建两步去噪框架,通过循环一致的改进生成对抗网络生成成对的噪音样本,继而由深度卷积神经网络训练去噪网络来进行图像去噪,不再依赖成对图像,且有效提高了模型的稳定性、收敛性以及精准性。
技术研发人员:李慰然,郭祥金,欧阳兆琨,王柳,樊志明
受保护的技术使用者:中移(上海)信息通信科技有限公司
技术研发日:
技术公布日:2024/11/26
文档序号 :
【 40126440 】
技术研发人员:李慰然,郭祥金,欧阳兆琨,王柳,樊志明
技术所有人:中移(上海)信息通信科技有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:李慰然,郭祥金,欧阳兆琨,王柳,樊志明
技术所有人:中移(上海)信息通信科技有限公司
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
