[发明专利]图像去噪的方法及装置

说明书

本发明提供了一种图像去噪的方法及装置中，该方法包括：利用图像去噪卷积模型中的输入层对获取到的图像数据中的像素值进行预处理，得到待计算数据；其中，所述图像去噪卷积模型为利用卷积神经网络构建得到；利用图像去噪卷积模型中的卷积层对所述待计算数据进行计算，得到计算结果；利用图像去噪卷积模型中的预测层将所述计算结果进行标准化处理，得到标准化图像数据。由于卷积神经网络在训练的过程中可以不断地更新参数，使得图像去噪过程中也可以根据卷积神经网络不断的更新参数进行计算，从而达到更好的去噪效果的目的。

技术领域

本发明涉及数字图像处理技术领域，特别涉及一种图像去噪的方法及装置。

背景技术

随着人们生活水平的提高，人们在日常生活中有了更多的娱乐时间，在日常生活中，看各式各样的视频消磨自己的时间，已成为了人们生活中必不可少的一部分。而视频图像的清晰度也越来越受到人们的关注。

目前，在数字图像处理过程中，图像噪声能否有效的滤除，会直接影响到后续的图像处理。因此，图像去噪成为了业内的热门研究方向。因此诞生了许多图像去噪的方法，而在目前的图像去噪方法中，所使用的模型以及参数都是固定的，从而不能在去噪过程中进行调整，缺乏自适应性，导致去噪效果较差。

发明内容

有鉴于此，本发明实施例提供一种图像去噪的方法及装置，利用卷积神经网络构建的图像去噪卷积模型进行图像去噪，由于卷积神经网络在训练的过程中可以不断地更新参数，使得图像去噪过程中也可以根据卷积神经网络不断的更新参数进行计算，从而达到更好的去噪效果的目的。

为实现上述目的，本发明实施例提供如下技术方案：

一种图像去噪的方法，包括：

利用图像去噪卷积模型中的输入层对获取到的图像数据中的像素值进行预处理，得到待计算数据；其中，所述图像去噪卷积模型为利用卷积神经网络构建得到；

利用图像去噪卷积模型中的卷积层对所述待计算数据进行计算，得到计算结果；

利用图像去噪卷积模型中的预测层将所述计算结果进行标准化处理，得到标准化图像数据。

可选的，所述利用图像去噪卷积模型中的输入层对获取到的图像数据中的像素值进行预处理，得到待计算数据，包括：

获取图像数据；其中，所述图像数据包括多个像素点的像素值；

根据所述每一个像素点的像素值计算得到所述每一个像素点的像素值的强度；其中，所述每一个像素点的像素值的强度为一个0-255之间的整数；

将所述每一个像素点的像素值的强度通过计算得到0-1的浮点数；

将所述每一个像素点的像素值的浮点数转换成矩阵，表征所述待计算数据。

可选的，所述图像去噪卷积模型中的卷积层的构建过程，包括：

对获取到的所述待计算数据进行滤波操作；所述滤波操作如下所示：

其中，(R_in，G_in，B_in)为所述待计算数据，(W₁₁，W₁₂，W₁₃，W₂₁，W₂₂，W₂₃，W₃₁，W₃₂，W₃₃)为卷积核，(R_outG_outB_out)为所述计算结果。

可选的，所述利用图像去噪卷积模型中的预测层将所述计算结果进行标准化处理，得到标准化图像数据，包括：

判断所述计算结果是否大于1；