[发明专利]图像处理方法及装置、计算机可读介质和电子设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取待处理图像，对所述待处理图像进行滤波处理，得到初始化的第一中间图像，作为首次执行迭代过程的第一中间图像，利用所述待处理图像执行所述迭代过程，直至第一中间图像与第二中间图像之间的相似度大于相似度阈值为止，所述第一中间图像和所述第二中间图像均是在所述待处理图像的去噪过程中生成的图像；

结束所述迭代过程后，输出所述第一中间图像或所述第二中间图像，作为与所述待处理图像对应的处理后的图像；

其中，所述迭代过程包括：

基于目标函数，利用所述待处理图像和所述第一中间图像确定出所述第二中间图像；

利用噪声估计模型和所述第二中间图像确定第三中间图像；

将所述第三中间图像作为所述第一中间图像；

所述图像处理方法中确定所述目标函数的过程包括：

基于图像恢复的退化模型构建出中间函数，所述中间函数包括保真项和正则化项；

利用一辅助变量将所述中间函数的保真项与正则化项解耦，并根据解耦后的结果确定出所述目标函数，所述辅助变量与所述第一中间图像相对应。

2.根据权利要求1所述的图像处理方法，其特征在于，利用噪声估计模型和所述第二中间图像确定第三中间图像包括：

将所述第二中间图像输入所述噪声估计模型，确定与所述第二中间图像对应的噪声估计值；

根据所述第二中间图像与所述噪声估计值确定第三中间图像。

3.根据权利要求1或2所述的图像处理方法，其特征在于，所述图像处理方法还包括：

获取训练集；其中，所述训练集包括多个噪声图像以及与各所述噪声图像对应的去噪图像，并且各所述噪声图像之间的噪声强度差异在一差异阈值内；

将所述训练集中的噪声图像输入一卷积神经网络，所述卷积神经网络输出与所述噪声图像对应的训练输出图像；

利用所述噪声图像对应的训练输出图像和去噪图像，计算所述卷积神经网络的损失函数，以对所述卷积神经网络进行训练；

将训练后的所述卷积神经网络确定为所述噪声估计模型。

4.根据权利要求3所述的图像处理方法，其特征在于，所述图像处理方法还包括：

每执行一次所述迭代过程，更新所述卷积神经网络的参数，并利用更新的参数执行下一次所述迭代过程。

5.根据权利要求3所述的图像处理方法，其特征在于，所述卷积神经网络包括级联的多个卷积层，每一所述卷积层均包括膨胀卷积单元。

6.一种图像处理装置，其特征在于，包括：

图像去噪模块，用于获取待处理图像，并利用所述待处理图像执行迭代过程，直至第一中间图像与第二中间图像之间的相似度大于相似度阈值为止，所述第一中间图像和所述第二中间图像均是在所述待处理图像的去噪过程中生成的图像；

图像输出模块，用于结束所述迭代过程后，输出所述第一中间图像或所述第二中间图像，作为与所述待处理图像对应的处理后的图像；

其中，所述迭代过程包括：基于目标函数，利用所述待处理图像和所述第一中间图像确定出所述第二中间图像；利用噪声估计模型和所述第二中间图像确定第三中间图像；将所述第三中间图像作为所述第一中间图像；

所述图像处理装置还包括初始化模块，用于对所述待处理图像进行滤波处理，得到初始化的第一中间图像，作为首次执行所述迭代过程的第一中间图像；

所述图像处理装置还包括目标函数确定模块，用于基于图像恢复的退化模型构建出中间函数，所述中间函数包括保真项和正则化项；利用一辅助变量将所述中间函数的保真项与正则化项解耦，并根据解耦后的结果确定出所述目标函数，所述辅助变量与所述第一中间图像相对应。

7.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至5中任一项所述的图像处理方法。

8.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的图像处理方法。