[发明专利]模型训练方法和模型训练装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

基于待去噪视频生成所述待去噪视频对应的多个增噪视频；

建立初始网络模型，并基于所述多个增噪视频和所述待去噪视频训练所述初始网络模型以生成视频去噪模型，其中，所述视频去噪模型用于对所述待去噪视频进行去噪以生成所述待去噪视频对应的降噪视频。

2.根据权利要求1所述的模型训练方法，其特征在于，所述基于待去噪视频生成所述待去噪视频对应的多个增噪视频，包括：

利用噪声模型，基于待去噪视频生成所述待去噪视频对应的多个增噪视频，其中，所述多个增噪视频包含不同的噪声强度，所述噪声模型包括以下模型中的任一种：加性噪声先验模型、乘性噪声先验模型和加性乘性复合先验模型。

3.根据权利要求1所述的模型训练方法，其特征在于，所述基于待去噪视频生成所述待去噪视频对应的多个增噪视频，包括：

基于待去噪视频确定所述待去噪视频的噪声强度估计信息；

基于所述噪声强度估计信息，对所述待去噪视频进行N次所述噪声添加操作，以确定所述待去噪视频对应的N个各不相同的增噪视频，其中，N为正整数。

4.根据权利要求2所述的模型训练方法，其特征在于，所述基于待去噪视频确定所述待去噪视频的噪声强度估计信息，包括：

基于所述待去噪视频确定所述待去噪视频对应的至少一帧视频图像；

基于所述至少一帧视频图像生成所述至少一帧视频图像对应的多个图像区域；

计算所述多个图像区域各自对应的灰度均值和灰度方差；

基于所述多个图像区域各自对应的灰度均值和灰度方差，确定所述噪声强度估计信息。

5.根据权利要求4所述的视频去噪模型训练方法，其特征在于，所述基于所述多个图像区域各自对应的灰度均值和灰度方差，确定所述噪声强度估计信息，包括：

基于所述多个图像区域各自对应的灰度均值和灰度方差进行线性回归操作，确定所述待去噪视频的噪声强度估计信息。

6.根据权利要求5所述的视频去噪模型训练方法，其特征在于，所述基于所述多个图像区域各自对应的灰度均值和灰度方差进行线性回归操作，确定所述待去噪视频的噪声强度估计信息，包括：

基于所述多个图像区域各自对应的灰度均值和灰度方差，建立所述灰度均值和所述灰度方差的数据点图，所述数据点图包括多个数据点；

对所述多个数据点进行所述线性回归操作，确定回归直线函数；

基于所述回归直线函数，确定所述待去噪视频的噪声强度估计信息，其中，所述待去噪视频的噪声强度估计信息包括泊松噪声强度、高斯噪声均值和高斯噪声方差。

7.根据权利要求1所述的视频去噪模型训练方法，其特征在于，所述基于所述多个增噪视频和所述待去噪视频训练所述初始网络模型以生成视频去噪模型，包括：

构造所述初始网络模型的损失函数，其中，所述损失函数包括时域平滑核范数正则项和空域平滑熵正则项；

基于所述多个增噪视频、所述待去噪视频和所述损失函数训练所述初始网络模型以生成视频去噪模型。

8.根据权利要求1至7任一项所述的模型训练方法，其特征在于，所述待去噪视频包括待去噪显微视频。

9.一种模型训练装置，其特征在于，包括：

生成模块，配置为基于待去噪视频生成所述待去噪视频对应的多个增噪视频；

训练模块，配置为建立初始网络模型，并基于所述多个增噪视频和所述待去噪视频训练所述初始网络模型以生成视频去噪模型，其中，所述视频去噪模型用于对所述待去噪视频进行去噪以生成所述待去噪视频对应的降噪视频。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有指令，当所述指令由电子设备的处理器执行时，使得所述电子设备能够执行上述权利要求1至8任一项所述的模型训练方法。

11.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储计算机可执行指令的存储器；

所述处理器，用于执行所述计算机可执行指令，以实现上述权利要求1至8任一项所述的模型训练方法。