[发明专利]图像处理方法、装置、电子设备和存储介质

说明书

本公开提供了图像处理方法、装置、电子设备和存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术。具体实现方案为：基于预设的卷积核以及输入特征图执行N次卷积操作，得到N个单通道图像；其中，N为输入特征图和所述卷积核的通道数量；基于N个单通道图像，得到输入特征图的注意力信息；基于注意力信息对输入特征图进行去噪处理，得到输出特征图。本公开的技术方案能够提升去噪效果，并且减少计算量。

技术领域

本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术。

背景技术

在自然生活中，受拍摄设备、光照条件、曝光时间的影响，大部分图像都会存在不同原因、不同程度的噪声。因此，图像去噪是常见的并具有现实价值的图像处理任务。对图像去噪的研究已经持续了数十年。利用人工设计的滤波算子和优化算法，传统的图像去噪方案已经取得了不错的效果，但是传统方案的速度往往较慢。近年来，得益于深度学习技术的飞速发展，基于深度学习的图像去噪方案被广泛应用于各种图像处理场景。为了取得更好的去噪效果，相关技术中，一般采用大规模的深度学习模型进行图像去噪。

发明内容

本公开提供了一种图像处理方法、装置、电子设备和存储介质。

根据本公开的一方面，提供了一种图像处理方法，包括：

基于预设的卷积核以及输入特征图执行N次卷积操作，得到N个单通道图像；其中，N为输入特征图和卷积核的通道数量；

基于N个单通道图像，得到输入特征图的注意力信息；

基于注意力信息对输入特征图进行去噪处理，得到输出特征图。

根据本公开的另一方面，提供了一种图像处理装置，包括：

重复卷积模块，用于基于预设的卷积核以及输入特征图执行N次卷积操作，得到N个单通道图像；其中，N为输入特征图和卷积核的通道数量；

注意力模块，用于基于N个单通道图像，得到输入特征图的注意力信息；

去噪模块，用于基于注意力信息对输入特征图进行去噪处理，得到输出特征图。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。

本公开的技术方案，由于利用通道数量为N的卷积核，对包含N个通道的输入特征图执行了N次卷积操作得到N个单通道图像，并基于N个单通道图像得到注意力信息，因此，注意力信息中同时包含输入特征图的空间特征信息和通道特征信息。基于该注意力信息对输入特征图进行去噪处理，能够提升去噪效果，并且减少计算量。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是获取通道注意力信息的方式的示意图；

图2是获取空间注意力信息的方式的示意图；