本發(fā)明涉及圖像，具體涉及一種圖像降噪方法、電子設(shè)備、可讀存儲(chǔ)介質(zhì)及程序產(chǎn)品。

背景技術(shù)：

1、使用電子設(shè)備進(jìn)行拍攝已經(jīng)是人們?nèi)粘Ｉ钪械囊环N記錄方式。在進(jìn)行拍攝時(shí)，由于電子設(shè)備圖像在獲取過程中受自身傳感器材料屬性、元器件、電路結(jié)構(gòu)，以及工作環(huán)境等影響，會(huì)引入各種噪聲。又或者，在圖像信號(hào)傳輸過程中受傳輸介質(zhì)和記錄設(shè)備的影響，圖像會(huì)受到多種噪聲的污染，例如高斯噪聲(gaussian)或者泊松噪聲(poisson)等。

2、目前對(duì)于圖像噪聲的處理方法一般是將圖像進(jìn)行降噪處理，例如高斯濾波算法、中值濾波算法和非局部均值濾波算法等。但是目前的降噪算法因?yàn)樘幚砟芰Φ膯栴}，存在降噪誤差，即降噪后的圖像存在圖像細(xì)節(jié)以及紋理特征喪失(下文稱涂抹)或者噪聲去除不干凈等情況。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供了一種圖像降噪方法、電子設(shè)備、可讀存儲(chǔ)介質(zhì)及程序產(chǎn)品。能夠?qū)⒊跏冀翟雸D中的降噪誤差修正到經(jīng)過降噪算法處理過的圖像上，以獲得的保留完整細(xì)節(jié)和特征的目標(biāo)降噪圖像。

2、第一方面，本技術(shù)實(shí)施例提供了一種圖像降噪方法、電子設(shè)備和可讀存儲(chǔ)介質(zhì)。該方法包括：獲取待降噪的第一圖像；對(duì)第一圖像進(jìn)行第一降噪處理，得到第二圖像；基于第一圖像的圖像光學(xué)參數(shù)，計(jì)算出第一降噪處理的降噪誤差；基于降噪誤差，對(duì)第二圖像進(jìn)行修正，得到第一圖像的第一降噪圖像。

3、示例性地，上述待降噪的第一圖像可以通過第一電子設(shè)備獲取的，例如可以通過第一電子設(shè)備拍攝獲取，也可以通過第一電子設(shè)備接收其他電子設(shè)備發(fā)送的圖像或者視頻獲取，在此不作限制。

4、可以理解，對(duì)第一圖像進(jìn)行第一處理的時(shí)候，存在降噪誤差，且第一降噪處理的降噪誤差與第一圖像的圖像光學(xué)參數(shù)之間存在映射關(guān)系。因此，可以基于上述第一圖像的圖像光學(xué)參數(shù)，例如第一圖像的明亮度、感光度以及像素等，計(jì)算出第一降噪處理的降噪誤差。并且基于上述降噪誤差，對(duì)第二圖像進(jìn)行修正，得到第一圖像的第一降噪圖像。

5、如此，基于上述圖像降噪方法能夠保留待降噪圖像中的一些細(xì)節(jié)或去除更多的圖像噪點(diǎn)，有利于提高待降噪圖像的降噪效果。

6、在上述第一方面的一種可能的實(shí)現(xiàn)中，第一降噪處理包括下列中的至少一項(xiàng)：高斯濾波算法、中值濾波算法和非局部均值濾波算法。

7、在上述第一方面的一種可能的實(shí)現(xiàn)中，基于第一圖像的圖像光學(xué)參數(shù)，計(jì)算出第一降噪處理的降噪誤差，包括：基于第一圖像的圖像光學(xué)參數(shù)，確定第一濾波公式的權(quán)重系數(shù)和濾波頻率，其中第一濾波公式用于計(jì)算第一降噪處理的降噪誤差；基于第一濾波公式的權(quán)重系數(shù)和濾波頻率，結(jié)合第一濾波公式，計(jì)算出第一降噪處理的降噪誤差。

8、在上述第一方面的一種可能的實(shí)現(xiàn)中，基于第一濾波公式的權(quán)重系數(shù)和濾波頻率，結(jié)合第一濾波公式，計(jì)算出第一降噪處理的降噪誤差，包括：采用第一頻率的濾波器對(duì)降噪圖進(jìn)行第一濾波處理，得到第一濾波結(jié)果；以及，采用第二頻率的濾波器對(duì)降噪圖進(jìn)行第二濾波處理，得到第二濾波結(jié)果，其中，第一頻率與第二頻率不同；基于第一頻率的濾波器對(duì)應(yīng)的第一權(quán)重系數(shù)、第二頻率的濾波器對(duì)應(yīng)的第二權(quán)重系數(shù)，對(duì)第一濾波結(jié)果和第二濾波結(jié)果進(jìn)行線性疊加，得到第二圖像的降噪誤差。

9、可以理解，上述噪聲圖包括一個(gè)或多個(gè)不同頻段的噪聲信號(hào)，每個(gè)頻段對(duì)應(yīng)的有不同的降噪誤差。因此，可以通過設(shè)置一個(gè)或多個(gè)不同頻率的濾波器將一個(gè)或多個(gè)不同頻段的噪聲信號(hào)濾除，得到對(duì)應(yīng)頻段的降噪誤差。最終，將上述不同頻段的降噪誤差進(jìn)行線性疊加，得到待處理圖像的降噪誤差。如此，基于上述分段濾波的形式可以從噪聲圖中獲取不同頻段的降噪誤差，且通過不同權(quán)重系數(shù)，對(duì)上述各頻段的降噪誤差進(jìn)行線性疊加。

10、在上述第一方面的一種可能的實(shí)現(xiàn)中，第一濾波公式為：

11、addnoise＝noisegain*(alpha_1*filter_1(noisemap)+alpha_2

12、*filter_2(noisemap)+…+alpha_n*filter_n(noisemap))

13、其中，addnoise表示第二圖像的降噪誤差；noisemap表示降噪圖；noisegain表示降噪誤差的增益值；alpha_1至alpha_n表示不同頻率的濾波器對(duì)應(yīng)的權(quán)重系數(shù)；filter_1至filter_n表示多個(gè)濾波器的不同濾波頻率。

14、在上述第一方面的一種可能的實(shí)現(xiàn)中，權(quán)重系數(shù)和濾波頻率的確定方式包括：將第一圖像的圖像光學(xué)參數(shù)以及第二圖像作為輸入數(shù)據(jù)，輸入濾波系數(shù)模型；基于濾波系數(shù)模型的輸出結(jié)果，確定權(quán)重系數(shù)和濾波頻率；其中，濾波系數(shù)模型是基于卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練得到的。

15、可以理解，權(quán)重系數(shù)和頻率系數(shù)均和圖像的圖像光學(xué)參數(shù)，例如像素、感光度有關(guān)。然而權(quán)重系數(shù)與頻率系數(shù)，和圖像的像素以及感光度之間的關(guān)系比較復(fù)雜，難以通過簡(jiǎn)單的公式建模得到正確的關(guān)系。因此，可以通過濾波系數(shù)模型擬合的方式，擬合出權(quán)重系數(shù)、頻率系數(shù)和圖像的像素、感光度之間的關(guān)系。

16、可以理解，基于卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練得到的濾波系數(shù)模型，輸出的權(quán)重系數(shù)和濾波頻率的精度更高，輸出效率更快。

17、在上述第一方面的一種可能的實(shí)現(xiàn)中，濾波系數(shù)模型的獲取方式包括：第一電子設(shè)備基于獲取的訓(xùn)練樣本集處理得到的訓(xùn)練數(shù)據(jù)，訓(xùn)練得到濾波系數(shù)模型；或者第一電子設(shè)備部署第二電子設(shè)備提供的濾波系數(shù)模型，其中濾波系數(shù)模型為第二電子設(shè)備基于獲取的訓(xùn)練樣本集處理得到的訓(xùn)練數(shù)據(jù)訓(xùn)練得到。

18、可以理解，上述濾波系數(shù)模型既可以是第一電子設(shè)備基于獲取的訓(xùn)練樣本集處理得到的訓(xùn)練數(shù)據(jù)訓(xùn)練得到的，也可以是第一電子設(shè)備部署第二電子設(shè)備提供的濾波系數(shù)模型，在此不作限制。

19、在上述第一方面的一種可能的實(shí)現(xiàn)中，濾波系數(shù)模型的訓(xùn)練過程包括：獲取訓(xùn)練樣本集，訓(xùn)練樣本集包括第一樣本圖像集、對(duì)應(yīng)第一樣本圖像集的感光度、以及第二樣本圖像集；基于第二樣本圖像集中的第二樣本圖像和對(duì)應(yīng)第一樣本圖像集的感光度，訓(xùn)練第一模型，得到濾波系數(shù)模型，其中第一模型包括卷積神經(jīng)網(wǎng)絡(luò)模型；獲取第一模型輸出的對(duì)應(yīng)濾波器的第三權(quán)重系數(shù)和第三頻率以及第三權(quán)重系數(shù)和第三頻率；采用第三頻率的第一濾波器對(duì)第三樣本圖像集中的第三樣本圖像進(jìn)行第三濾波處理，得到第三濾波結(jié)果；以及，采用第四頻率的第二濾波器對(duì)第三樣本圖像集中的第三樣本圖像進(jìn)行第四濾波處理，得到第三濾波結(jié)果，其中第三頻率與第四頻率不同；基于第三頻率的濾波器對(duì)應(yīng)的第三權(quán)重系數(shù)、第四頻率的濾波器對(duì)應(yīng)的第四權(quán)重系數(shù)，對(duì)第三濾波結(jié)果和第四濾波結(jié)果進(jìn)行線性疊加，得到第二樣本圖像集的降噪誤差；其中，第三樣本圖像集的噪聲數(shù)據(jù)基于第一樣本圖像集數(shù)據(jù)和第二樣本圖像集數(shù)據(jù)之間的差值計(jì)算得到。

20、可以理解，上述第二樣本圖像集中的第二樣本圖像和對(duì)應(yīng)第一樣本圖像集的感光度作為訓(xùn)練數(shù)據(jù)，訓(xùn)練第一模型，得到濾波系數(shù)模型。

21、在上述第一方面的一種可能的實(shí)現(xiàn)中，濾波系數(shù)模型的訓(xùn)練過程還包括：基于第二樣本圖像集的降噪誤差，對(duì)第二樣本圖像集中的第二樣本圖像進(jìn)行修正，得到第四樣本圖像集；基于第一損失函數(shù)，確定第四樣本圖像集與第一樣本圖像集的第一相似度；其中，第一損失函數(shù)用于計(jì)算第四樣本圖像集數(shù)據(jù)與第一樣本圖像集數(shù)據(jù)之間的差值；并基于第一相似度，調(diào)整第一模型的模型參數(shù)，得到濾波系數(shù)模型。

22、可以理解，根據(jù)降噪誤差對(duì)經(jīng)過降噪處理后的第二樣本圖像進(jìn)行修正，獲取第一樣本圖像集的第四樣本圖像集。再通過第一損失函數(shù)計(jì)算第四樣本圖像集數(shù)據(jù)與第一樣本圖像集數(shù)據(jù)之間的差值，及時(shí)調(diào)整第一模型的訓(xùn)練參數(shù)，得到濾波系數(shù)模型

23、在上述第一方面的一種可能的實(shí)現(xiàn)中，訓(xùn)練樣本集包括第一樣本圖像集、對(duì)應(yīng)第一樣本圖像集的感光度、以及第二樣本圖像集，并且，獲取訓(xùn)練樣本集包括：獲取第一樣本圖像集以及對(duì)應(yīng)第一樣本圖像集的第一感光度；對(duì)第一樣本圖像集進(jìn)行預(yù)處理，得到第二樣本圖像集。

24、可以理解，上述第一樣本圖像集為無噪聲圖像集，因此需要對(duì)第一樣本圖像集進(jìn)行預(yù)處理，得到第二樣本圖像集。其中，第二樣本圖像集為經(jīng)過預(yù)處理包括噪聲數(shù)據(jù)的第一樣本圖像集。其中，上述噪聲數(shù)據(jù)包括噪聲信號(hào)以降噪誤差。

25、在上述第一方面的一種可能的實(shí)現(xiàn)中，第一樣本圖像集進(jìn)行預(yù)處理，得到第二樣本圖像集，包括：基于第一退化參數(shù)以及第一噪聲參數(shù)對(duì)第一樣本圖像集進(jìn)行退化處理和加噪處理，得到包含有噪聲的第一樣本圖像集；再基于第二降噪處理，對(duì)包含有噪聲的第一樣本圖像集進(jìn)行降噪處理，得到第二樣本圖像集。

26、可以理解，基于上述預(yù)處理過程是為了模擬圖像在真實(shí)傳輸過程中的產(chǎn)生退化數(shù)據(jù)和噪聲數(shù)據(jù)。具體地，可以基于預(yù)設(shè)的退化參數(shù)，對(duì)第一樣本圖像集進(jìn)行退化處理，例如通過卷積操作或者電子設(shè)備中應(yīng)用程序的模糊濾鏡等。再基于預(yù)設(shè)的噪聲參數(shù)，對(duì)退化處理后的第一樣本圖像集添加噪聲數(shù)據(jù)，例如高斯噪聲、泊松噪聲等，經(jīng)過上述退化處理和加噪處理得到帶有噪聲的第一樣本圖像集。再對(duì)上述帶有噪聲的第一樣本圖像集進(jìn)行降噪處理(即第二降噪處理)，得到第二樣本圖像集以及第三樣本圖像集。其中，第三樣本圖像集的噪聲數(shù)據(jù)基于第一樣本圖像集數(shù)據(jù)和第二樣本圖像集圖像數(shù)據(jù)之間的差值計(jì)算得到。

27、其中，上述第二降噪處理包括高斯濾波算法、中值濾波算法和非局部均值濾波算法中的至少一項(xiàng)。

28、在上述第一方面的一種可能的實(shí)現(xiàn)中，圖像光學(xué)參數(shù)包括第一圖像的感光度、明亮度以及像素值。

29、第二方面，本技術(shù)實(shí)施例提供了一種模型訓(xùn)練方法，應(yīng)用于第一電子設(shè)備或第二電子設(shè)備，該方法包括：獲取訓(xùn)練樣本集，訓(xùn)練樣本集包括第一樣本圖像集、對(duì)應(yīng)第一樣本圖像集的第一感光度以及第二樣本圖像集，其中，第一樣本圖像集中的第一樣本圖像與第二樣本圖像集中的第二樣本圖像一一對(duì)應(yīng)，并且第二樣本圖像是基于第一樣本圖像進(jìn)行退化處理、加噪處理和降噪處理得到的；利用第二樣本圖像集中的第二樣本圖像和第一感光度，對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到濾波系數(shù)模型。

30、可以理解，基于卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練得到的濾波系數(shù)模型，輸出的權(quán)重系數(shù)和濾波頻率的精度更高，輸出效率更快。

31、在上述第二方面的一種可能的實(shí)現(xiàn)中，基于第三樣本圖像集以及濾波系數(shù)，結(jié)合第一濾波公式，得到降噪處理的降噪誤差；其中，第三樣本圖像集的噪聲數(shù)據(jù)基于第一樣本圖像集數(shù)據(jù)和第二樣本圖像集數(shù)據(jù)之間的差值計(jì)算得到；基于降噪誤差，對(duì)第二樣本圖像集進(jìn)行修正，得到第四樣本圖像集；基于第一樣本圖像集數(shù)據(jù)、第四樣本圖像數(shù)據(jù)和第一損失函數(shù)，調(diào)整網(wǎng)絡(luò)模型的訓(xùn)練參數(shù)，得到濾波系數(shù)模型。

32、可以理解，上述通過第一損失函數(shù)計(jì)算第四樣本圖像集數(shù)據(jù)與第一樣本圖像集數(shù)據(jù)之間的差值，及時(shí)調(diào)整網(wǎng)絡(luò)模型的訓(xùn)練參數(shù)，使得濾波系數(shù)模型輸出的權(quán)重系數(shù)和濾波系數(shù)更加準(zhǔn)確，因此基于權(quán)重系數(shù)、濾波系數(shù)和第一濾波公式得到的降噪誤差更加準(zhǔn)確。

33、在上述第二方面的一種可能的實(shí)現(xiàn)中，第一樣本圖像集為無噪聲圖像集。

34、第三方面，本技術(shù)實(shí)施例提供了一種電子設(shè)備，包括：一個(gè)或多個(gè)處理器；一個(gè)或多個(gè)存儲(chǔ)器；一個(gè)或多個(gè)存儲(chǔ)器存儲(chǔ)有一個(gè)或多個(gè)程序，當(dāng)一個(gè)或者多個(gè)程序被一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得電子設(shè)備執(zhí)行上述第一方面以及上述第一方面的各種可能的實(shí)現(xiàn)中提供的圖像降噪方法，或者，第二方面以及上述第二方面的各種可能的實(shí)現(xiàn)中提供的模型訓(xùn)練方法。

35、第四方面，本技術(shù)實(shí)施例提供了一種可讀存儲(chǔ)介質(zhì)，存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，指令在計(jì)算機(jī)上執(zhí)行時(shí)使計(jì)算機(jī)執(zhí)行上述第一方面以及上述第一方面的各種可能的實(shí)現(xiàn)中提供的圖像降噪方法，或者，第二方面以及上述第二方面的各種可能的實(shí)現(xiàn)中提供的模型訓(xùn)練方法。

36、第五方面，本技術(shù)實(shí)施例提供了一種程序產(chǎn)品，計(jì)算機(jī)程序產(chǎn)品包括：計(jì)算機(jī)程序代碼，當(dāng)計(jì)算機(jī)程序代碼在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)實(shí)現(xiàn)如上述第一方面以及第一方面的各種實(shí)現(xiàn)中的任一種圖像降噪方法，或者，實(shí)現(xiàn)如上述第二方面以及第二方面的各種實(shí)現(xiàn)中的任一種模型訓(xùn)練方法。

37、上述第三方面至第五方面的有益效果，可以參考上述第一方面以及第二方面的各種可能的實(shí)現(xiàn)中的相關(guān)描述，在此不做贅述。