[发明专利]图像去噪方法和装置

说明书

本申请公开了图像去噪方法和装置。该方法的一具体实施方式包括：获取原始图像，其中，原始图像包含噪声；生成原始图像的图像矩阵；将原始图像的图像矩阵输入至预先训练的卷积神经网络，得到原始图像的特征向量，其中，卷积神经网络用于表征图像矩阵与特征向量的对应关系；执行以下去噪步骤：将原始图像的特征向量输入至反卷积神经网络，得到处理后图像矩阵，其中，反卷积神经网络用于将特征向量处理为图像矩阵；确定处理后图像矩阵是否满足预设条件，若满足预设条件，则将处理后图像矩阵作为去噪后图像矩阵。该实施方式实现了去除图像中的噪声。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及图像去噪方法和装置。

背景技术

图像去噪是指减少图像中噪声的过程。现实中的图像通常包含噪声，称为含噪图像或噪声图像。一幅图像在实际应用中可能存在各种各样的噪声，这些噪声可能在传输中产生，也可能在量化等处理中产生。噪声是图像干扰的重要原因。因此，如何去除图像中的噪声已经成为一种值得研究的问题。

发明内容

本申请实施例的目的在于提出一种改进的图像去噪方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种图像去噪方法，该方法包括：获取原始图像，其中，原始图像包含噪声；生成原始图像的图像矩阵，其中，图像矩阵的行对应图像的高，图像矩阵的列对应图像的宽，图像矩阵的元素对应图像的像素；将原始图像的图像矩阵输入至预先训练的卷积神经网络，得到原始图像的特征向量，其中，卷积神经网络用于表征图像矩阵与特征向量的对应关系；执行以下去噪步骤：将原始图像的特征向量输入至反卷积神经网络，得到处理后图像矩阵，其中，反卷积神经网络用于将特征向量处理为图像矩阵；确定处理后图像矩阵是否满足预设条件，若满足预设条件，则将处理后图像矩阵作为去噪后图像矩阵。

在一些实施例中，该方法还包括：响应于不满足预设条件，调整反卷积神经网络的参数，并继续执行去噪步骤。

在一些实施例中，确定处理后图像矩阵是否满足预设条件，包括：分别将参考图像的图像矩阵和处理后图像矩阵输入至对抗网络，得到参考图像的图像矩阵的类别和处理后图像矩阵的类别，其中，对抗网络用于判别图像矩阵的类别；基于参考图像的图像矩阵的类别和处理后图像矩阵的类别，确定处理后图像矩阵是否满足预设条件。

在一些实施例中，基于原始图像的图像矩阵的类别和处理后图像矩阵的类别，确定处理后图像矩阵是否满足预设条件，包括：分别确定原始图像的图像矩阵的类别和处理后图像矩阵的类别是否是第一类别；若均是第一类别，则满足预设条件；若不均是第一类别，则不满足预设条件。

在一些实施例中，确定处理后图像矩阵是否满足预设条件，包括：将处理后图像矩阵输入至卷积神经网络，得到处理后图像矩阵所对应的特征向量；计算原始图像的特征向量与处理后图像矩阵所对应的特征向量之间的距离；基于所计算的结果，确定处理后图像矩阵是否满足预设条件。

在一些实施例中，计算原始图像的特征向量与处理后图像矩阵所对应的特征向量之间的距离，包括：计算原始图像的特征向量与处理后图像矩阵所对应的特征向量之间的欧氏距离。

在一些实施例中，基于所计算的结果，确定处理后图像矩阵是否满足预设条件，包括：确定原始图像的特征向量与处理后图像矩阵所对应的特征向量之间的欧氏距离是否小于预设距离阈值；若小于预设距离阈值，则满足预设条件；若不小于预设距离阈值，则不满足预设条件。