[发明专利]一种基于深度学习的降噪方法、装置、存储介质及设备

说明书

本申请实施例公开了一种基于深度学习的降噪方法、装置、存储介质及设备。该方法包括：获取低照度场景下的基础格式数据，并对所述基础格式数据进行预处理，得到预处理结果；将所述预处理结果输入至预先训练完成的降噪模型；其中，所述降噪模型是根据在预设数量个场景中对每个场景采用不同曝光时长得到的训练样本对进行训练得到的；获取所述降噪模型的降噪输出结果；其中，所述降噪输出结果的格式为基础格式。通过执行本技术方案，可以实现通过深度学习模型，对低照度图像进行降噪的同时，还能够有效的保护图像细节，提高降噪效果的目的。

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种基于深度学习的降噪方法、装置、存储介质及设备。

背景技术

由于视频监控领域是通过视频监控设备在固定位置进行全天候监控的，这就会导致在夜晚，需要完成对低照度环境的监控。而这也是本领域的痛点之一，由于环境光线微弱，图像信号很弱，容易受到噪声的干扰，像散粒噪声、电流噪声等，导致成像信噪比很低，甚至图像会完全淹没在噪声里。而使用强化补光的技术不仅容易产生光污染，也造成资源的浪费。因此，如何能够在低照度的情况下获取到高信噪比的图像，成为图像处理领域亟待解决的技术难题。

发明内容

本申请实施例提供一种基于深度学习的降噪方法、装置、存储介质及设备，可以实现通过深度学习模型，对低照度图像进行降噪的同时，还能够有效的保护图像细节，提高降噪效果的目的。

第一方面，本申请实施例提供了一种基于深度学习的降噪方法，该方法包括：

获取低照度场景下的基础格式数据，并对所述基础格式数据进行预处理，得到预处理结果；

将所述预处理结果输入至预先训练完成的降噪模型；其中，所述降噪模型是根据在预设数量个场景中对每个场景采用不同曝光时长得到的训练样本对进行训练得到的；

获取所述降噪模型的降噪输出结果；其中，所述降噪输出结果的格式为基础格式。

进一步的，所述降噪模型的训练过程包括：

在每个场景中，获取至少一帧短曝光数据和一帧长曝光数据，形成短曝光与长曝光的训练样本对；

将所述训练样本对根据曝光时间的长短进行预处理，得到预处理样本数据；

将所述预处理样本数据输入至基础模型，所述基础模型包括预设数量个卷积模块；其中，所述卷积模块中包括相同数量的下采样卷积模块和上采样卷积模块；所述下采样卷积模块由一个卷积层和一个池化层组成，所述上采样卷积模块由一个反卷积层和一个卷积层组成；

通过对基础模型的训练，得到降噪模型。

进一步的，将所述训练样本对根据曝光时间的长短进行预处理，得到预处理样本数据，包括：

对所述训练样本对中的短曝光数据，进行黑电平处理、数据归一化处理以及数据缩放，得到短曝光数据的预处理结果；以及，

对所述训练样本对中的长曝光数据，进行黑电平处理和数据归一化处理，得到短曝光数据的预处理结果。

进一步的，对所述训练样本对中的短曝光数据的处理过程，采用如下公式进行：

其中，O_s为短曝光图像的预处理结果，I_s为短曝光图像，Blc为图像采集设备的黑电平，I_smax为短曝光图像的最大像素值，Scale为增益因子；

对所述训练样本对中的长曝光数据的处理过程，采用如下公式进行：