[发明专利]一种图片去噪的方法和装置

说明书

本发明实施例提供了一种图片去噪的方法和装置，其中所述方法包括：采用编码网络对原始图片数据进行特征提取，获得图片特征信息，其中，所述图片特征信息包括噪声信息；将所述图片特征信息输入解码网络进行去噪处理，输出目标图片数据。本申请提供了采用编码网络和解码网络自动去除带条纹噪声的图片中的噪声信息，针对多种尺寸的图片都具有有效的去除噪声的效果，并且去除噪声的效率高，噪声去除效果明显。

技术领域

本发明涉及图片处理的技术领域，特别是涉及一种图片去噪的方法和一种图片去噪的装置。

背景技术

在日常生活中，通常需要对带条纹噪声的证件照进行去条纹噪声处理。在现有技术中，对于包含不规则条纹噪声的图片去除条纹的方式一般包括如下过程：

(1)确定需要去除噪声的区域；

(2)针对噪声区域采用不同的方法进行填补。

在步骤1中采用的方法一般为边界分割，进行阈值处理，寻找到目标区域。在这一步中经常会出现的问题是，受到图片本身内容的影响，分割算法无法精准的定位噪声区域，并且由于图片的复杂性，阈值的选取在不同的图片上存在着巨大的差异，这使得到的需要处理的区域与实际有噪声区域有一定的偏差，从而造成了噪声去除效果在不同图片上表现不同。

在步骤2中常常采用微分方程的方法对区域进行填补。在填补的过程中需要利用原图的信息，填补出合理的像素值。而这样的方法的缺陷在于速度慢，并且受步骤1提取区域的影响较大，填补区域信息只能来自周边区域，无法充分利用整张图片的信息。

发明内容

鉴于上述问题，为了解决上述现有的图片去噪方式中存在的去噪效果不明显、去噪效率低的问题，本发明实施例提出了一种图片去噪的方法和相应的一种图片去噪的装置。

为了解决上述问题，本发明实施例公开了一种图片去噪的方法，包括：

采用编码网络对原始图片数据进行特征提取，获得图片特征信息，其中，所述图片特征信息包括噪声信息；

将所述图片特征信息输入解码网络进行去噪处理，输出目标图片数据。

优选地，所述编码网络以及所述解码网络为深度卷积神经网络；

所述编码网络包括多个卷积层，每个卷积层用于对输入的数据执行压缩以及特征重组的卷积操作；

所述解码网络包括与编码网络相同层数的多个卷积层，每个卷积层用于对输入的数据执行还原以及特征重组的卷积操作。

优选地，所述编码网络和所述解码网络组成网络模型；

所述网络模型采用如下方法进行训练：

对训练样本中的全部数据进行训练，获得初始网络模型；

基于所述初始网络模型，从原始图片数据中选取特定区域的数据进行训练，获得最终的网络模型。

优选地，所述特定区域为人脸所在的区域。

优选地，所述网络模型以损失函数为目的进行训练，所述损失函数采用如下方式计算：

设定训练样本中带噪声信息的像素点的第一权重值与不带噪声的像素点的第二权重值，其中，所述第一权重值大于所述第二权重值；

计算所述训练样本以及预设的参考样本之间的欧几里得距离；

基于所述第一权重值、所述第二权重值以及所述训练样本以及预设的参考样本之间的欧几里得距离计算损失函数。

本发明实施例还公开了一种图片去噪的装置，包括：

特征提取模块，用于采用编码网络对原始图片数据进行特征提取，获得图片特征信息，其中，所述图片特征信息包括噪声信息；