[发明专利]模型训练方法和模型训练装置

说明书

本申请涉及图像处理技术领域，具体涉及一种模型训练方法和模型训练装置，以及计算机可读存储介质和电子设备，解决了显微视频去噪难度高，去噪效果差的问题。该模型训练方法，通过基于待去噪视频生成待去噪视频对应的增噪视频，并基于增噪视频和待去噪视频训练初始网络模型以生成视频去噪模型，从而使初始网络模型能够在训练中学习到待去噪视频的噪声信息，以使生成的视频去噪模型能够准确的对待去噪视频进行去噪。

技术领域

本申请涉及图像处理技术领域，具体涉及一种模型训练方法和模型训练装置，以及计算机可读存储介质和电子设备。

背景技术

显微视频是指把在光学显微镜下观察到的动态实验过程用摄像机录制下来，再利用相关软件进行处理后生成的视频。例如，钙成像视频就是一种显微视频。利用荧光蛋白对神经元细胞进行特异性的标记，标记钙离子的荧光蛋白能够根据神经元细胞内的钙离子浓度的变化发出不同强度的荧光，这种荧光信号的变化能够以视频的形式记录下来，这种针对钙离子的浓度变化实现成像的视频可以简称为钙成像视频。

在制作钙成像视频的过程中，为了降低对生物体的光毒性，参与成像的光子数量远远小于自然成像中的光子数量，因此，包括钙成像视频在内的多种显微视频的信噪比远远小于自然成像的视频的信噪比，导致显微视频去噪难度高，去噪效果差。

发明内容

有鉴于此，本申请实施例提供了一种模型训练方法和模型训练装置，以及计算机可读存储介质和电子设备，解决了显微视频去噪难度高，去噪效果差的问题。

第一方面，本申请一实施例提供的一种模型训练方法，包括：基于待去噪视频生成待去噪视频对应的多个增噪视频；建立初始网络模型，并基于多个增噪视频和待去噪视频训练初始网络模型以生成视频去噪模型，其中，视频去噪模型用于对待去噪视频进行去噪以生成待去噪视频对应的降噪视频。

结合本申请的第一方面，在一些实施例中，基于待去噪视频生成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待去噪视频对应的多个增噪视频，其中，多个增噪视频包含不同的噪声强度，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。

结合本申请的第一方面，在一些实施例中，基于待去噪视频生成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待去噪视频的噪声强度估计信息；基于噪声强度估计信息，对待去噪视频进行N次噪声添加操作，以确定待去噪视频对应的N个各不相同的增噪视频，其中，N为正整数。

结合本申请的第一方面，在一些实施例中，基于待去噪视频确定待去噪视频的噪声强度估计信息，包括：基于待去噪视频确定待去噪视频对应的至少一帧视频图像；基于至少一帧视频图像生成至少一帧视频图像对应的多个图像区域；计算多个图像区域各自对应的灰度均值和灰度方差；基于多个图像区域各自对应的灰度均值和灰度方差，确定噪声强度估计信息。

结合本申请的第一方面，在一些实施例中，基于多个图像区域各自对应的灰度均值和灰度方差，确定噪声强度估计信息，包括：基于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，确定待去噪视频的噪声强度估计信息。

结合本申请的第一方面，在一些实施例中，基于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，确定待去噪视频的噪声强度估计信息包括：基于多个图像区域各自对应的灰度均值和灰度方差，建立灰度均值和灰度方差的数据点图，数据点图包括多个数据点；对多个数据点进行线性回归操作，确定回归直线函数；基于回归直线函数，确定待去噪视频的噪声强度估计信息，其中，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。

结合本申请的第一方面，在一些实施例中，基于多个增噪视频和待去噪视频训练初始网络模型以生成视频去噪模型，包括：构造初始网络模型的损失函数，其中，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；基于多个增噪视频、待去噪视频和损失函数训练初始网络模型以生成视频去噪模型。