[发明专利]图像降噪方法、装置、系统和存储介质

权利要求书

1.一种图像降噪方法，其特征在于，包括：

通过卷积神经网络的特征提取层对包含噪声的初始图像进行卷积操作以提取初级特征图；

通过所述卷积神经网络的激活层对所述初级特征图进行非线性变换以获取次级特征图；以及

通过所述卷积神经网络的重建层对所述次级特征图进行反卷积操作以得到降噪后的增强图像，

其中，所述卷积神经网络预先利用多组配对的含噪声训练图像和无噪声真值图像进行训练。

2.根据权利要求1所述的方法，其特征在于，通过卷积神经网络的特征提取层对包含噪声的初始图像进行卷积操作以提取初级特征图包括：

对所述初始图像进行剪裁以符合特定宽高比；和/或

对所述初始图像进行归一化以将所述初始图像的像素值转换到特定数值范围内。

3.根据权利要求1所述的方法，其特征在于，通过所述卷积神经网络的激活层对所述初级特征图进行非线性变换以获取次级特征图包括：

通过所述激活层对所述初级特征图进行非线性变换以获取激活特征图；以及

通过所述卷积神经网络的池化层对所述激活特征图进行下采样以获取所述次级特征图。

4.根据权利要求1所述的方法，其特征在于，所述训练包括：

在光照充足的环境下拍摄对象以获得所述无噪声真值图像；

在光照不足的环境下拍摄所述对象以获得所述含噪声训练图像；

将所述含噪声训练图像用作所述初始图像以利用所述卷积神经网络重建获得所述重建图像；

将所重建的重建图像与所述无噪声真值图像进行比较以获得训练误差；以及

将所述训练误差迭代地反向传播经过所述卷积神经网络以修正所述卷积神经网络的参数，直至所述训练误差满足收敛条件。

5.根据权利要求4所述的方法，其特征在于，所述训练过程利用L1范数对所述卷积神经网络的参数进行正则化。

6.一种配置有卷积神经网络的图像降噪装置，其特征在于，包括：

特征提取器，通过所述卷积神经网络的特征提取层对包含噪声的初始图像进行卷积操作以提取初级特征图；

特征激活器，通过所述卷积神经网络的激活层对所述初级特征图进行非线性变换以获取次级特征图；

图像重建器，通过所述卷积神经网络的重建层对所述次级特征图进行反卷积操作以得到降噪后的增强图像；以及

训练器，预先利用多组配对的含噪声训练图像和无噪声真值图像训练所述卷积神经网络。

7.根据权利要求6所述的装置，其特征在于，所述特征提取器包括：

剪裁器，对所述初始图像进行剪裁以符合特定宽高比；和/或

归一化器，对所述初始图像进行归一化以将所述初始图像的像素值转换到特定数值范围内。

8.根据权利要求6所述的装置，其特征在于，所述激活层包括修正线性单元。

9.根据权利要求6所述的装置，其特征在于，所述特征激活器包括：

非线性激活器，通过所述激活层对所述初级特征图进行非线性变换以获取激活特征图；以及

池化器，通过所述卷积神经网络的池化层对所述激活特征图进行下采样以获取所述次级特征图。

10.根据权利要求9所述的装置，其特征在于，所述池化层包括最大池化层或平均池化层。