[发明专利]一种基于生成式对抗网络的图像去噪声方法及装置在审
申请号: | 202110695429.7 | 申请日: | 2021-06-23 |
公开(公告)号: | CN113313653A | 公开(公告)日: | 2021-08-27 |
发明(设计)人: | 高强 | 申请(专利权)人: | 北京鼎泰智源科技有限公司 |
主分类号: | G06T5/00 | 分类号: | G06T5/00;G06T7/10 |
代理公司: | 北京君莫知识产权代理事务所(普通合伙) 11715 | 代理人: | 崔云鹤 |
地址: | 100096 北京市海淀区清河小营西*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 生成 对抗 网络 图像 噪声 方法 装置 | ||
本发明公开了一种基于生成式对抗网络的图像去噪声方法及装置。其中,该方法包括:获取原始图像数据;将所述原始图像数据进行分割处理,得到第一图像数据;将所述第一图像数据通过图像去噪模型,生成第二图像数据;将所述第二图像数据进行输出。本发明解决了现有技术中的图像去噪声方法往往仅通过固定的去噪声规则对图像数据进行去噪声操作,而不会根据图像输入和输出历史数据进行规则的变化和完善,以便更加适应当前的使用场景,增加图像去噪声的效果的技术问题。
技术领域
本发明涉及图像数据处理领域,具体而言,涉及一种基于生成式对抗网络的图像去噪声方法及装置。
背景技术
随着智能化的不断发展,在当今的社会中人们利用智能化手段增加了学习、工作、生活的质量和效率,通过智能化手段可以给人们带来不同于传统处理方法的技术效果。
目前,在进行图像数据去噪声的时候,通常利用通用的图像去噪声规则或解析算法,对图像采集设备采集到的图像数据进行去噪声处理,经过去噪声的图像质量会得到显著的提高,便于用户进行后续的图像分析等用途,但是传统的图像去噪声方法往往仅通过固定的去噪声规则对图像数据进行去噪声操作,而不会根据图像输入和输出历史数据进行规则的变化和完善,以便更加适应当前的使用场景,增加图像去噪声的效果。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于生成式对抗网络的图像去噪声方法及装置,以至少解决现有技术中的图像去噪声方法往往仅通过固定的去噪声规则对图像数据进行去噪声操作,而不会根据图像输入和输出历史数据进行规则的变化和完善,以便更加适应当前的使用场景,增加图像去噪声的效果的技术问题。
根据本发明实施例的一个方面,提供了一种基于生成式对抗网络的图像去噪声方法,包括:获取原始图像数据;将所述原始图像数据进行分割处理,得到第一图像数据;将所述第一图像数据通过图像去噪模型,生成第二图像数据;将所述第二图像数据进行输出。
可选的,所述将所述原始图像数据进行分割处理,得到第一图像数据包括:获取所述原始图像数据的图像参数;根据所述图像参数,利用预设规则对所述原始图像数据进行分割,得到所述第一图像数据。
可选的,在所述将所述第一图像数据通过图像去噪模型,生成第二图像数据之前,所述方法还包括:训练所述图像去噪模型。
可选的,在所述将所述第二图像数据进行输出之后,所述方法还包括:将所述第二图像数据作为所述图像去噪模型的输出参数进行反馈和训练。
根据本发明实施例的另一方面,还提供了一种基于生成式对抗网络的图像去噪声装置,包括:获取模块,用于获取原始图像数据;分割模块,用于将所述原始图像数据进行分割处理,得到第一图像数据;去噪模块,用于将所述第一图像数据通过图像去噪模型,生成第二图像数据;输出模块,用于将所述第二图像数据进行输出。
可选的,所述分割模块包括:获取单元,用于获取所述原始图像数据的图像参数;分割单元,用于根据所述图像参数,利用预设规则对所述原始图像数据进行分割,得到所述第一图像数据。
可选的,所述装置还包括:训练模型,用于训练所述图像去噪模型。
可选的,所述装置还包括:反馈模块,用于将所述第二图像数据作为所述图像去噪模型的输出参数进行反馈和训练。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制非易失性存储介质所在的设备执行一种基于生成式对抗网络的图像去噪声方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包含处理器和存储器;所述存储器中存储有计算机可读指令,所述处理器用于运行所述计算机可读指令,其中,所述计算机可读指令运行时执行一种基于生成式对抗网络的图像去噪声方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京鼎泰智源科技有限公司,未经北京鼎泰智源科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110695429.7/2.html,转载请声明来源钻瓜专利网。