[发明专利]用于图像去噪的网络训练方法、装置、终端及存储介质

权利要求书

1.一种用于图像去噪的网络训练方法，其特征在于，所述方法包括下述步骤：

将预设数量的噪声图像输入预设的卷积神经网络，初始化所述卷积神经网络的参数，通过所述卷积神经网络的去噪层获取噪声图像的去噪图像特征，所述卷积神经网络为删除BN层后的卷积神经网络；

通过预设的所述卷积神经网络的组合层将所述去噪图像特征进行组合，以得到所述噪声图像去噪后的去噪图像；

将所述去噪图像和所述噪声图像对应的无噪声图像输入预设的细节损失模型，通过所述细节损失模型获取所述卷积神经网络对所述噪声图像去噪时的细节损失；

当所述细节损失模型未收敛时，通过梯度反传方式将所述细节损失反传到所述卷积神经网络，并根据所述细节损失更新所述卷积神经网络的参数，以继续对所述卷积神经网络进行训练；

通过所述细节损失模型获取所述卷积神经网络对所述噪声图像去噪时的细节损失的步骤，包括：

通过预设的VGG神经网络获取所述去噪图像的特征图和所述无噪声图像的特征图之间的第一欧氏距离，所述预设的VGG神经网络为预先训练好的19层VGG网络；

通过高频滤波获取所述去噪图像的高频图像信息和所述无噪声图像的高频图像信息之间的第二欧氏距离；

根据公式获取所述细节损失，其中，表示所述细节损失，表示所述第一欧氏距离、表示所述第二欧式距离，表示所述第二欧式距离的权重；

所述通过预设的VGG神经网络获取所述去噪图像的特征图和所述无噪声图像的特征图之间的第一欧氏距离的步骤，包括：

将去噪图像和无噪图像导入预先训练好的VGG神经网络VGG19，通过VGG19的第5个池化层中的第4个卷积层提取所述去噪图像的特征图和所述无噪图像的特征图，获取所述去噪图像的特征图和所述无噪图像的特征图的第一欧氏距离；

所述通过高频滤波获取所述去噪图像的高频图像信息和所述无噪声图像的高频图像信息之间的第二欧氏距离的步骤，包括：

通过高通滤波器获取所述去噪图像和无噪图像的高频信息，获取所述去噪图像的高频信息和所述无噪图像的高频信息之间的第二欧氏距离，所述高通滤波器为采用Sobel算子的一阶高通滤波器。

2.如权利要求1所述的方法，其特征在于，通过所述卷积神经网络的去噪层获取噪声图像的去噪图像特征的步骤，包括：

通过所述卷积神经网络的第一预设卷积层和激活层提取所述噪声图像的噪声图像特征；

通过预设的所述卷积神经网络的残差块对所述噪声图像特征进行去噪，以得到所述去噪图像特征，所述残差块包括所述卷积神经网络的第二预设卷积层和激活层。

3.如权利要求2所述的方法，其特征在于，通过所述卷积神经网络的去噪层获取噪声图像的去噪图像特征的步骤，还包括：

将所述噪声图像特征叠加至所述去噪图像特征中。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

当所述细节损失模型收敛时，输出更新后的所述卷积神经网络的参数，以得到训练完成的图像去噪网络。