图像降噪方法、装置、电子设备及存储介质

技术领域

本发明涉及图像处理及机器学习技术领域，尤其涉及一种图像降噪方法、装置、电子设备及存储介质。

背景技术

图像降噪是图像处理中最基本的操作，它的作用是减少图片中噪点从而使得图像清晰。而目前经常采用的图像降噪算法有BM3D降噪、DCT降噪和均值滤波等，但这些图像降噪算法在速度与效果上却无法同时兼顾。

因此，目前亟需一种能够快速降噪且降噪效果好的图像降噪方法。

发明内容

本发明实施例的目的是提供一种图像降噪方法、装置、电子设备及存储介质，以解决图像异常检测模型所需的训练数据少的技术问题。

第一方面，本发明实施例提供了一种图像降噪方法，包括：

获取待降噪图像和所述待降噪图像的噪声索引信息；所述噪声索引信息用于确定所述待降噪图像对应的噪声分布；

基于所述噪声索引信息，确定出降噪条件参数信息；所述降噪条件参数信息用于对输入图像降噪模型的所述待降噪图像进行前处理和对所述图像降噪模型的输出进行后处理；

基于所述降噪条件参数信息和所述图像降噪模型，对所述待降噪图像进行降噪处理，得到所述待降噪图像经过降噪处理后的目标图像。

第二方面，本发明实施例提供了一种图像降噪装置，包括：

获取模块，用于获取待降噪图像和所述待降噪图像的噪声索引信息；所述噪声索引信息用于确定所述待降噪图像对应的噪声分布；

确定模块，用于基于所述噪声索引信息，确定出降噪条件参数信息；所述降噪条件参数信息用于对输入图像降噪模型的所述待降噪图像进行前处理和对所述图像降噪模型的输出进行后处理；

降噪模块，用于基于所述降噪条件参数信息和所述图像降噪模型，对所述待降噪图像进行降噪处理，得到所述待降噪图像经过降噪处理后的目标图像。

第三方面，本发明实施例提供了一种电子设备，电子设备包括处理器、存储器以及存储在存储器中，并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项的图像降噪方法中的步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任一项的图像降噪方法中的步骤。

本发明实施例提供了一种图像降噪方法、装置、电子设备及存储介质，该方法通过获取待降噪图像和待降噪图像的噪声索引信息，并基于噪声索引信息确定出降噪条件参数信息，从而能够根据降噪条件参数信息对输入图像降噪模型的待降噪图像进行前处理和对图像降噪模型的输出进行后处理，以将所述待降噪图像中的噪声归一到类似的噪声分布中，进而能够通过图像降噪模型对待降噪图像进行精准降噪处理，得到待降噪图像最终经过降噪处理后的目标图像。采用本发明实施例，通过将不同的噪声归一到类似的噪声分布以进行降噪，能够提高图像的降噪效果和降噪效率。

附图说明

图1是本发明实施例提供的图像降噪方法的一种流程示意图；

图2是本发明实施例提供的条件模块的一种结构示意图；

图3是本发明实施例提供的图像降噪模型的训练方法的一种流程示意图；

图4是本发明实施例提供的训练后的图像降噪模型与相关技术中的降噪模型对待降噪图像进行降噪处理后的一种效果示意图；

图5是本发明实施例提供的图像降噪装置的一种结构示意图；

图6是本发明实施例提供的电子设备的一种结构示意图；

图7是本发明实施例提供的电子设备的另一种结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解的是，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

在相关技术中，通常采用BM3D降噪、DCT降噪和均值滤波等降噪算法对需要进行降噪处理的图像进行降噪，但这些图像降噪算法在速度与效果上却无法同时兼顾。另外，还可以通过深度学习降噪算法实现图像的降噪，具体的，相关技术中通常是采用U-Net型结构网络进行复杂的建模，以此统计所有的噪声分布，从而根据所有的噪声分布实现对图像的降噪处理。但深度学习的降噪算法需要进行复杂的建模，且通过所有的噪声分布对图像进行降噪处理的效果和效率也不高。

为了解决相关技术中存在的技术问题，本发明实施例提供了一种图像降噪方法，请参见图1，图1是本发明实施例提供的图像降噪方法的一种流程示意图，所述图像降噪方法包括步骤101至步骤103；

步骤101，获取待降噪图像和所述待降噪图像的噪声索引信息。

其中，所述噪声索引信息用于确定所述待降噪图像对应的噪声分布。所述待降噪图像为需要进行降噪处理，且图像中含有噪声的图像。

在本实施例中，所述获取所述待降噪图像的噪声索引信息的步骤，具体为：获取所述待降噪图像的目标噪声分布参数；遍历所述目标噪声分布参数与预设的噪声分布参数集合中每个噪声分布参数的数值之差；根据所述数值之差，确定所述待降噪图像的噪声索引信息。

其中，噪声分布参数包括ISO标准值，ISO表示相机的感光度，主要用于控制由光线传感器根据光线生成信号的放大倍数。具体的，在相机获取拍摄得到的图像后，该图像通常包含有对应的ISO标准值。ISO具有多个标准值，如100、200、400、800等。

同理，预设的噪声分布参数集合即包括预设的ISO标准值集合，该集合为由多个预先设定的ISO标准值构成的集合，例如，本实施例提供的预设的噪声分布参数集合分别包括ISO标准值为100、200、400、800、1600以及2000的6个ISO标准值。

需要说明的是，在同一ISO标准值下，噪声的分布是固定的。因此，在确定待降噪图像和其对应的目标ISO标准值后，即可确定所述待降噪图像的目标噪声分布参数，也即确定所述待降噪图像中的噪声分布情况。

可选的，所述根据所述数值之差，确定所述待降噪图像的噪声索引信息的步骤，具体为：获取所述数值之差在预设范围内的噪声分布参数在所述预设的噪声分布参数集合中的位置信息；将预设的索引数组中与所述位置信息相匹配的索引数值进行数值调整，得到目标索引数组；所述索引数组中索引数值的数量与所述噪声分布参数集合中的噪声分布参数的数量是相一致的；根据所述目标索引数组，确定所述待降噪图像的噪声索引信息。

在本实施例中，由于本实施例提供的预设的噪声分布参数集合分别包括的ISO标准值为100、200、400、800、1600以及2000的6个ISO标准值。同理，预设的索引数组中数据个数也为6个，具体为[a，b，c，d，e，f]。

具体的，预设范围是根据预设的噪声分布参数集合中各ISO标准值进行设定的。其中，预设范围包括6个设定范围，每个设定范围对应预设的噪声分布参数集合中的一个ISO标准值。例如，各设定范围为对应的ISO标准值的10％。

需要说明的是，设定范围为对应的ISO标准值的比例的多少，并不限于为10％，还可以根据不同的应用需求进行设定，在此不作具体限定。

作为可选的实施例，所述预设的噪声分布参数集合中的ISO标准值根据数值的大小依次排列，所述索引数组中的每个数据的值均为0，对索引数组中的索引数值进行数值调整包括将索引数组中的0(索引数值)修改为1的调整方式。

在本实施例中，在确定了预设范围和目标噪声分布参数(目标ISO标准值)后，即可根据预设的6个设定范围，依次从最小的ISO标准值进行比较，以确定目标噪声分布参数与预设的噪声分布参数集合中每个ISO标准值的数值之差所在的范围，从而能够确定目标噪声分布参数对应于预设的噪声分布参数集合中的哪个ISO标准值。

例如，当预设范围包括6个设定范围，每个设定范围为对应ISO标准值的10％，且预设的噪声分布参数集合为[100，200，400，800，1600，2000]，因此，预设范围为[10，20，40，80，160，200]。当获取到目标噪声分布参数的ISO标准值为410时，则先通过计算目标ISO标准值与预设的噪声分布参数集合中第一个ISO标准值之差，也即410与100之差，得到数值之差为310，大于第一个设定范围10。因此，再计算目标ISO标准值与预设的噪声分布参数集合中第二个ISO标准值之差，也即410与200之差，得到数值之差为210，大于第二个设定范围20。因此，再依次计算目标噪声分布参数的ISO标准值与预设的噪声分布参数集合中后续每个ISO标准值之差。当计算到数值之差小于对应的设定范围时，即目标噪声分布参数的ISO标准值与预设的噪声分布参数集合中第三个ISO标准值400之差为10，小于设定范围40，则确定目标噪声分布参数的ISO标准值对应于预设的噪声分布参数集合中的第3个ISO标准值。然后根据目标噪声分布参数的ISO标准值对应于预设的噪声分布参数集合中ISO标准值的位置，确定对应的索引index，并根据该索引index对索引数组[0，0，0，0，0，0]对应的数据的值进行修改，也即对第3个索引数值进行修改，得到目标索引数组[0，0，1，0，0，0]，然后将所述目标索引数组确定为所述待降噪图像的噪声索引信息。

步骤102，基于所述噪声索引信息，确定出降噪条件参数信息。

其中，所述降噪条件参数信息用于对输入图像降噪模型的所述待降噪图像进行前处理和对所述图像降噪模型的输出进行后处理。

在本实施例中，所述降噪条件参数信息包括目标权重和目标偏置，所述基于所述噪声索引信息，确定出降噪条件参数信息的步骤，具体为：对所述噪声索引信息进行线性变换处理，得到所述噪声索引信息经过线性变换处理后的所述目标权重和所述目标偏置。

具体的，噪声索引信息由对应的索引index转换得到，而本实施例通过把索引index转换成对应的噪声索引信息，从而能够将噪声索引信息作为可以控制降噪强度的媒体，以此实现精准降噪的目的，进而提高了降噪的效果和效率。

作为可选的实施例，对所述噪声索引信息进行线性变换处理可以是将所述噪声索引信息进行全连接运算、激活运算、全连接运算、激活运算处理，从而得到所述噪声索引信息经过线性变换处理后的目标权重和目标偏置。

其中，为了方便快速地实现上述对噪声索引信息进行线性变换处理，本实施例提供一种条件模块，该条件模块主要用于执行上述步骤102。请参见图2，图2是本发明实施例提供的条件模块的一种结构示意图，如图2所示，该条件模块包括若干个全连接层fully-connected和若干个激活层Softplus，将根据预设的噪声分布参数集合与索引index确定的噪声索引信息进行全连接运算、激活运算、全连接运算、激活运算处理，即可得到噪声索引信息的目标权重和目标偏置。

在得到所述噪声索引信息的目标权重和目标偏置之后，即可对输入图像降噪模型的所述待降噪图像进行前处理和对所述图像降噪模型的输出进行后处理，以将不同的噪声归一到类似分布，间接的控制对待降噪图像的降噪过程中，需要对哪种强度的噪声进行降噪处理，进一步的提高了对图像降噪的效果和效率。

步骤103，基于所述降噪条件参数信息和所述图像降噪模型，对所述待降噪图像进行降噪处理，得到所述待降噪图像经过降噪处理后的目标图像。

在本实施例中，所述基于所述降噪条件参数信息和所述图像降噪模型，对所述待降噪图像进行降噪处理，得到所述待降噪图像经过降噪处理后的目标图像的步骤具体为：根据所述目标权重和所述目标偏置，对所述待降噪图像进行第一归一化处理，得到第一归一化处理后的第一图像；将所述第一图像输入至所述图像降噪模型，得到所述图像降噪模型输出的第二图像；根据所述目标权重和所述目标偏置，对所述第二图像进行第二归一化处理，得到所述待降噪图像经过降噪处理后的目标图像。

具体的，所述根据所述目标权重和所述目标偏置，对所述待降噪图像进行第一归一化处理，得到第一归一化处理后的第一图像的步骤具体为：根据预设的第一归一化公式、所述目标权重以及所述目标偏置，对所述待降噪图像进行第一归一化处理，得到第一图像；所述第一归一化公式为：

x_input＝net_input*s+b

其中，x_input为所述第一图像对应的图像数据、net_input为所述待降噪图像对应的图像数据、s为所述目标权重、b为所述目标偏置。

所述根据所述目标权重和所述目标偏置，对所述第二图像进行第二归一化处理，得到所述待降噪图像经过降噪处理后的目标图像的步骤具体为：根据预设的第二归一化公式、所述目标权重以及所述目标偏置，对所述第二图像进行第二归一化处理，得到经过降噪处理后的目标图像；所述第二归一化公式为：

x_output＝(net_output-b)/s

其中，x_output为所述目标图像对应的图像数据、net_output为所述第二图像对应的图像数据。

在一些实施例中，图像降噪模型包括U-Net网络。其中，图像降噪模型在训练过程采用的训练数据中的噪声，是预设的噪声分布参数集合中任一个ISO标准值分布下的噪声，且训练数据为经过第一归一化处理后的数据。需要说明的是，图像降噪模型是通过未添加所述噪声的第一数据(第一数据在添加所述噪声并经过第一归一化处理后，得到所述训练数据)，与图像降噪模型在训练过程中模型的输出数据经过第二归一化处理后得到的第二数据之间的损失训练得到。

相比于相关技术中根据所有的噪声分布对待降噪图像进行降噪处理，本发明实施例通过上述实施例提供的条件模块将不同的噪声分开，并根据上述实施例提供的第一归一化公式和第二归一化公式，将噪声归一到预设的噪声分布参数集合中类似的ISO标准值下的噪声分布，并根据具体的ISO标准值下的噪声分布对待降噪图像进行精准降噪处理，能够有效的提高对图像进行降噪的降噪效果和效率。

作为本发明的可选实施例，在所述将所述第一图像输入至所述图像降噪模型的步骤之前，还需要对图像降噪模型进行训练，从而才能够得到训练后的图像降噪模型。具体的，请参见图3，图3是本发明实施例提供的图像降噪模型的训练方法的一种流程示意图，如图3所示包括步骤301-步骤310；

步骤301，根据所述预设的噪声分布参数集合和训练噪声分布参数，确定与所述训练噪声分布参数对应的训练噪声索引信息。

在本实施例中，预设的噪声分布参数集合与上述图像降噪方法中的噪声分布参数集合是相同的，也即[100，200，400，800，1600，2000]。训练噪声分布参数为在所述噪声分布参数集合中随机确定的一个随机ISO标准值，通过该随机ISO标准值即可确定对应的训练噪声索引信息。

具体的，本实施例提供的训练噪声索引信息是与噪声分布参数集合中的ISO标准值一一对应的，例如当训练噪声分布参数的ISO标准值为100时，对应的训练噪声索引信息为[1，0，0，0，0，0]；当训练噪声分布参数的ISO标准值为200时，对应的训练噪声索引信息为[0，1，0，0，0，0]；当训练噪声分布参数的ISO标准值为400时，对应的训练噪声索引信息为[0，0，1，0，0，0]；当训练噪声分布参数的ISO标准值为800时，对应的训练噪声索引信息为[0，0，0，1，0，0]；当训练噪声分布参数的ISO标准值为1600时，对应的训练噪声索引信息为[0，0，0，0，1，0]；当训练噪声分布参数的ISO标准值为2000时，对应的训练噪声索引信息为[0，0，0，0，0，1]。其中，每个训练噪声索引信息对应有一个索引。因此，本实施例通过根据预设的噪声分布参数集合和随机确定的随机ISO标准值，即可确定与随机ISO标准值对应的训练噪声索引信息。

步骤302，对所述训练噪声索引信息进行线性变换处理，得到所述训练噪声索引信息经过线性变换处理后的训练权重和训练偏置。

在本实施例中，可通过上述实施例提供的条件模块执行所述步骤302，该条件模块的具体结构和工作原理请参照上述实施例，在此不再赘述。

步骤303，获取原始图像。

其中，本实施例提供的原始图像为不包含噪声的图像。

步骤304，对所述原始图像进行裁剪处理，得到裁剪图像。

在本实施例中，根据后续图像降噪模型对输入数据的尺寸要求，对原始图像进行裁剪处理，以使得裁剪处理后的裁剪图像满足后续图像降噪模型对输入数据的尺寸要求。例如通过随机裁剪，将原始输入裁剪到512*512*4。

步骤305，对所述裁剪图像进行数据增强处理，得到训练图像。

在本实施例中，为了防止后续降噪模型发生过拟合现象，本实施例通过对裁剪数据进行数据增强处理，实现方式过拟合的目的。如此，即可得到多个经过数据增强处理后的训练图像。

步骤306，根据与所述训练噪声分布参数对应的训练噪声，对训练图像进行噪声添加处理，得到噪声图像。

在本实施例中，在确定训练噪声分布参数后，能够根据该训练噪声分布参数确定其噪声分布下的噪声，然后将该噪声分布添加至每个所述训练图像中。

具体的，在一种情况下，可以通过对训练图像添加任意满足所述训练噪声分布参数的噪声分布下的噪声；在其它情况下，由于噪声分布是由高斯分布和泊松分布组合，因此可以通过噪声计算公式，将满足所述训练噪声分布参数的噪声分布的噪声添加至训练图像中，该计算公式如下：

y＝Pi+Ni,Pi～P(x),Ni～N(0,σ

其中，y是总噪声，Pi是泊松噪声，Ni是高斯噪声，x是信号，Pi是信号相关的，Ni是信号不相关的。

步骤307，基于所述训练权重和所述训练偏置，对所述噪声图像进行所述第一归一化处理，得到输入图像。

在本实施例中，所述第一归一化处理的处理方式请参照上述实施例，在此不再赘述。

步骤308，将所述输入图像输入至待训练的降噪模型，得到所述待训练的降噪模型输出的输出图像。

其中，待训练的降噪模型网络为U-Net网络。

步骤309，基于所述训练权重和所述训练偏置，对所述输出图像进行所述第二归一化处理，得到降噪图像。

在本实施例中，所述第二归一化处理的处理方式请参照上述实施例，在此不再赘述。

步骤310，根据所述训练图像和所述降噪图像之间的差异，对所述待训练的降噪模型的模型参数进行优化，得到训练后的图像降噪模型。

具体的，通过设置预设训练次数对待训练的降噪模型进行训练，当待训练的降噪模型的训练次数达到预设训练次数时，即可得到训练后的图像降噪模型。具体的，预设训练次数为30000，当待训练的降噪模型的训练次数达到30000时，即可得到训练后的图像降噪模型。

其中，在对待训练的降噪模型进行训练的过程中，采用的学习率是不同的。具体的，在开始对待训练的降噪模型的训练时，采用的初始学习率为1e-4。当训练次数达到5000后，将训练过程的学习率降到1e-4*0.5。当训练次数达到15000后，将训练过程的学习率降到1e-4*0.5*0.5。

通过上述实施例提供的训练方法，即可得到训练后的图像降噪模型。相比于相关技术中的降噪模型，采用该训练后的图像降噪模型、上述实施例提供的条件模块、第一归一化公式、第二归一化公式，能够将输入的待降噪图像中不同的噪声分开，并归一到预设的噪声分布参数集合中类似的ISO标准值下的噪声分布，从而通过训练后的图像降噪模型根据具体的噪声分布参数下的噪声分布对待降噪图像进行精准降噪处理，能够有效的提高对图像进行降噪的降噪效果和效率。

具体的，本实施例提供了相关技术中的降噪模型，与通过本实施例提供的训练方法训练得到的训练后的图像降噪模型的降噪效果对比示意图，请参见图4，图4是本发明实施例提供的训练后的图像降噪模型与相关技术中的降噪模型对待降噪图像进行降噪处理后的一种效果示意图，如图4所示，baseLine为相关技术中提供的降噪模型，TCL为通过本实施例提供的训练方法训练得到的训练后的图像降噪模型，S6、IP、GP为不同相机所采集的图像(不同的图像对应有不同的噪声分布)，model为通道没有改变的网络，half_model为通道数减到一半的网络，quarter_model为通道数减到四分之一的网络。

请继续参见图4，根据图4中baseLine和TCL两个模型对三种图像处理后得到的降噪图像的PSNR值(Peak Signal-to-Noise Ratio，峰值信噪比)和SSIM值(StructuralSimilarity Index，结构相似度指数)可知，相比于相关技术中的降噪模型，训练后的图像降噪模型的降噪效果具有一定的提升，且当网络结果越小时，降噪效果提升得越明显。

综上所述，本发明实施例提供了一种图像降噪方法，该方法包括获取待降噪图像和待降噪图像的噪声索引信息，噪声索引信息用于确定待降噪图像对应的噪声分布，基于噪声索引信息，确定出降噪条件参数信息，降噪条件参数信息用于对输入图像降噪模型的待降噪图像进行前处理和对图像降噪模型的输出进行后处理，基于降噪条件参数信息和图像降噪模型，对待降噪图像进行降噪处理，得到待降噪图像经过降噪处理后的目标图像。采用本发明实施例，通过将不同的噪声归一到类似的噪声分布以进行降噪，能够提高图像的降噪效果和降噪效率。

根据上述实施例所描述的方法，本实施例将从图像降噪装置的角度进一步进行描述，该图像降噪装置具体可以作为独立的实体来实现，也可以集成在电子设备，比如终端中来实现，该终端可以包括手机、平板电脑等。

请参见图5，图5是本发明实施例提供的图像降噪装置的一种结构示意图，如图5所示，本发明实施例提供的图像降噪装置500，包括：

获取模块501，用于获取待降噪图像和所述待降噪图像的噪声索引信息。

其中，所述噪声索引信息用于确定所述待降噪图像对应的噪声分布。

在本实施例中，获取模块501具体用于：获取所述待降噪图像的目标噪声分布参数；遍历所述目标噪声分布参数与预设的噪声分布参数集合中每个噪声分布参数的数值之差；根据所述数值之差，确定所述待降噪图像的噪声索引信息。

可选的，获取模块501具体还用于：获取所述数值之差在预设范围内的噪声分布参数在所述预设的噪声分布参数集合中的位置信息；将预设的索引数组中与所述位置信息相匹配的索引数值进行数值调整，得到目标索引数组；所述索引数组中的索引数值的数量与所述噪声分布参数集合中的噪声分布参数的数量是相一致的；根据所述目标索引数组，确定所述待降噪图像的噪声索引信息。

确定模块502，用于基于所述噪声索引信息，确定出降噪条件参数信息。

其中，所述降噪条件参数信息用于对输入图像降噪模型的所述待降噪图像进行前处理和对所述图像降噪模型的输出进行后处理。

在本实施例中，所述降噪条件参数信息包括目标权重和目标偏置。具体的，确定模块502具体用于：对所述噪声索引信息进行线性变换处理，得到所述噪声索引信息经过线性变换处理后的所述目标权重和所述目标偏置。

处理模块503，用于基于所述降噪条件参数信息和所述图像降噪模型，对所述待降噪图像进行降噪处理，得到所述待降噪图像经过降噪处理后的目标图像。

在本实施例中，处理模块503具体用于：根据所述目标权重和所述目标偏置，对所述待降噪图像进行第一归一化处理，得到第一归一化处理后的第一图像；将所述第一图像输入至所述图像降噪模型，得到所述图像降噪模型输出的第二图像；根据所述目标权重和所述目标偏置，对所述第二图像进行第二归一化处理，得到所述待降噪图像经过降噪处理后的目标图像。

在一种实施方式中，处理模块503具体还用于：根据预设的第一归一化公式、所述目标权重以及所述目标偏置，对所述待降噪图像进行第一归一化处理，得到第一图像；所述第一归一化公式为：

x_input＝net_input*s+b

其中，x_input为所述第一图像对应的图像数据、net_input为所述待降噪图像对应的图像数据、s为所述目标权重、b为所述目标偏置。

在另一种实施方式中，处理模块503具体还用于：根据预设的第二归一化公式、所述目标权重以及所述目标偏置，对所述第二图像进行第二归一化处理，得到经过降噪处理后的目标图像；所述第二归一化公式为：

x_output＝(net_output-b)/s

其中，x_output为所述目标图像对应的图像数据、net_output为所述第二图像对应的图像数据。

请继续参见图5，本发明实施例提供的图像降噪装置500，还包括：

训练模块504，用于根据所述预设的噪声分布参数集合和训练噪声分布参数，确定与所述训练噪声分布参数对应的训练噪声索引信息；对所述训练噪声索引信息进行线性变换处理，得到所述训练噪声索引信息经过线性变换处理后的训练权重和训练偏置；获取原始图像；对所述原始图像进行裁剪处理，得到裁剪图像；对所述裁剪图像进行数据增强处理，得到训练图像；根据与所述训练噪声分布参数对应的训练噪声，对训练图像进行噪声添加处理，得到噪声图像；基于所述训练权重和所述训练偏置，对所述噪声图像进行所述第一归一化处理，得到输入图像；将所述输入图像输入至待训练的降噪模型，得到所述待训练的降噪模型输出的输出图像；基于所述训练权重和所述训练偏置，对所述输出图像进行所述第二归一化处理，得到降噪图像；根据所述训练图像和所述降噪图像之间的差异，对所述待训练的降噪模型的模型参数进行优化，得到训练后的图像降噪模型。

具体实施时，以上各个模块和/或单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块和/或单元的具体实施可参见前面的方法实施例，具体可以达到的有益效果也请参看前面的方法实施例中的有益效果，在此不再赘述。

另外，请参见图6，图6是本发明实施例提供的电子设备的一种结构示意图，该电子设备可以是移动终端如智能手机、平板电脑等设备。如图6所示，电子设备600包括处理器601、存储器602。其中，处理器601与存储器602电性连接。

处理器601是电子设备600的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器602内的应用程序，以及调用存储在存储器602内的数据，执行电子设备600的各种功能和处理数据，从而对电子设备600进行整体监控。

在本实施例中，电子设备600中的处理器601会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器602中，并由处理器601来运行存储在存储器602中的应用程序，从而实现各种功能。

该电子设备600可以实现本发明实施例所提供的图像降噪方法任一实施例中的步骤，因此，可以实现本发明实施例所提供的任一图像降噪方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

请参见图7，图7是本发明实施例提供的电子设备的另一种结构示意图，如图7所示，图7示出了本发明实施例提供的电子设备的具体结构框图，该电子设备可以用于实施上述实施例中提供的图像降噪方法。该电子设备700可以为移动终端如智能手机或笔记本电脑等设备。

RF电路710用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。RF电路710可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。RF电路710可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术，包括但并不限于全球移动通信系统(Global System for Mobile Communication,GSM)、增强型移动通信技术(Enhanced DataGSM Environment,EDGE)，宽带码分多址技术(Wideband Code Division MultipleAccess,WCDMA)，码分多址技术(Code Division Access,CDMA)、时分多址技术(TimeDivision Multiple Access,TDMA)，无线保真技术(Wireless Fidelity，Wi-Fi)(如美国电气和电子工程师协会标准IEEE 802.11a，IEEE 802.11b,IEEE802.11g和/或IEEE802.11n)、网络电话(Voice over Internet Protocol,VoIP)、全球微波互联接入(Worldwide Interoperability for Microwave Access，Wi-Max)、其他用于邮件、即时通讯及短消息的协议，以及任何其他合适的通讯协议，甚至可包括那些当前仍未被开发出来的协议。

存储器720可用于存储软件程序以及模块，如上述实施例中图像降噪方法对应的程序指令/模块，处理器780通过运行存储在存储器720内的软件程序以及模块，从而执行各种功能应用以及图像降噪。

存储器720可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器720可进一步包括相对于处理器780远程设置的存储器，这些远程存储器可以通过网络连接至电子设备700。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入单元730可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元730可包括触敏表面731以及其他输入设备732。触敏表面731，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面731上或在触敏表面731附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面731可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器780，并能接收处理器780发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面731。除了触敏表面731，输入单元730还可以包括其他输入设备732。具体地，其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元740可用于显示由用户输入的信息或提供给用户的信息以及电子设备700的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元740可包括显示面板741，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板741。进一步的，触敏表面731可覆盖显示面板741，当触敏表面731检测到在其上或附近的触摸操作后，传送给处理器780以确定触摸事件的类型，随后处理器780根据触摸事件的类型在显示面板741上提供相应的视觉输出。虽然在图中，触敏表面731与显示面板741是作为两个独立的部件来实现输入和输出功能，但是在某些实施例中，可以将触敏表面731与显示面板741集成而实现输入和输出功能。

电子设备700还可包括至少一种传感器750，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板741的亮度，接近传感器可在翻盖合上或者关闭时产生中断。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于电子设备700还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路760、扬声器761，传声器762可提供用户与电子设备700之间的音频接口。音频电路760可将接收到的音频数据转换后的电信号，传输到扬声器761，由扬声器761转换为声音信号输出；另一方面，传声器762将收集的声音信号转换为电信号，由音频电路760接收后转换为音频数据，再将音频数据输出处理器780处理后，经RF电路710以发送给比如另一终端，或者将音频数据输出至存储器720以便进一步处理。音频电路760还可能包括耳塞插孔，以提供外设耳机与电子设备700的通信。

电子设备700通过传输模块770(例如Wi-Fi模块)可以帮助用户接收请求、发送信息等，它为用户提供了无线的宽带互联网访问。虽然图中示出了传输模块770，但是可以理解的是，其并不属于电子设备700的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器780是电子设备700的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器720内的软件程序和/或模块，以及调用存储在存储器720内的数据，执行电子设备700的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器780可包括一个或多个处理核心；在一些实施例中，处理器780可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解地，上述调制解调处理器也可以不集成到处理器780中。

电子设备700还包括给各个部件供电的电源790(比如电池)，在一些实施例中，电源可以通过电源管理系统与处理器780逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源790还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管未示出，电子设备700还包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等，在此不再赘述。具体在本实施例中，电子设备的显示单元是触摸屏显示器，移动终端还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行一个或者一个以上程序包含用于进行操作的指令。

具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个模块的具体实施可参见前面的方法实施例，在此不再赘述。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的图像降噪方法中任一实施例的步骤。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本发明实施例所提供的图像降噪方法任一实施例中的步骤，因此，可以实现本发明实施例所提供的任一图像降噪方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种图像降噪方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。并且，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。