图像处理方法、装置、电子设备、存储介质及程序产品.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115239591A(43)申请公布日2022.10.25(21)申请号202210899564.8(22)申请日2022.07.28(71)申请人腾讯科技（深圳）有限公司地址518000广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人张元梵李根孙磊(74)专利代理机构北京派特恩知识产权代理有限公司11270专利代理师赵翠萍胡春光(51)Int.Cl.G06T5/00(2006.01)G06T5/50(2006.01)G06T7/90(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书5页说明书24页附图7页(54)发明名称图像处理方法、装置、电子设备、存储介质及程序产品(57)摘要本申请提供了一种基于人工智能的图像处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品；方法包括：获取噪声图像，并获取对应噪声图像的噪声梯度图像；对噪声图像进行基于互补注意力机制的像素特征采样处理，得到注意力噪声特征；基于注意力噪声特征，对噪声梯度图像进行基于互补注意力机制的梯度残差处理，得到注意力梯度特征；对注意力梯度特征以及注意力噪声特征进行基于互补注意力机制的像素转换处理，得到降噪特征图像；对降噪特征图像以及噪声图像进行像素叠加处理，得到对应噪声图像的降噪图像。通过本申请，能够在准确降噪的同时保留纹理细节，从而优化降噪效果。CN115239591ACN115239591A权利要求书1/5页1.一种基于人工智能的图像处理方法，其特征在于，所述方法包括：获取噪声图像，并获取对应所述噪声图像的噪声梯度图像；对所述噪声图像进行基于互补注意力机制的像素特征采样处理，得到注意力噪声特征；基于所述注意力噪声特征，对所述噪声梯度图像进行基于所述互补注意力机制的梯度残差处理，得到注意力梯度特征；对所述注意力梯度特征以及所述注意力噪声特征进行基于所述互补注意力机制的像素转换处理，得到降噪特征图像；对所述降噪特征图像以及所述噪声图像进行像素叠加处理，得到对应所述噪声图像的降噪图像。2.根据权利要求1所述的方法，其特征在于，所述像素特征采样处理是通过第一特征网络执行的，所述第一特征网络包括第一卷积网络以及对称网络；所述对所述噪声图像进行基于互补注意力机制的像素特征采样处理，得到注意力噪声特征，包括：通过所述第一卷积网络对所述噪声图像进行第一卷积处理，得到对应所述噪声图像的第一初始特征；通过所述对称网络对所述第一初始特征进行基于所述互补注意力机制的采样处理，得到所述注意力噪声特征。3.根据权利要求2所述的方法，其特征在于，所述对称网络包括N个下采样网络、连接网络、以及M个上采样网络，所述连接网络与所述N个下采样网络以及所述M个上采样网络级联，N为大于或者等于1的整数，M与N相等；所述通过所述对称网络对所述第一初始特征进行基于所述互补注意力机制的采样处理，得到所述注意力噪声特征，包括：通过所述N个下采样网络对所述第一初始特征进行基于所述互补注意力机制的下采样处理，得到对应所述N个下采样网络的下采样结果；通过所述连接网络对所述下采样结果进行第一特征映射处理，得到对应所述噪声图像的连接特征；通过所述M个上采样网络对所述连接特征进行基于所述互补注意力机制的上采样处理，得到所述注意力噪声特征。4.根据权利要求3所述的方法，其特征在于，当N为大于或者等于2的整数时，所述通过所述N个下采样网络对所述第一初始特征进行基于所述互补注意力机制的下采样处理，得到对应所述N个下采样网络的下采样结果，包括：通过所述N个下采样网络中的第n下采样网络，对所述第n下采样网络的输入进行互补注意力处理，得到第n下采样结果，并将所述第n下采样结果传输到第n+1下采样网络以继续进行互补注意力处理，得到第n+1下采样结果；其中，n为取值从1开始递增的整数变量，n的取值范围为1≤n<N，当n取值为1时，所述第n下采样网络的输入为所述第一初始特征，当n取值为2≤n<N时，所述第n下采样网络的输入为第n‑1下采样网络输出的第n‑1下采样结果，当n取值为N‑1时，第n‑1下采样结果是对应所述N个下采样网络的下采样结果。2CN115239591A权利要求书2/5页5.根据权利要求3所述的方法，其特征在于，当M为大于或者等于2的整数时，所述通过所述M个上采样网络对所述连接特征进行基于所述互补注意力机制的上采样处理，得到所述注意力噪声特征，包括：通过所述M个上采样网络中的第m上采样网络，对所述第m上采样网络的输入进行第二卷积处理，并对得到的卷积结果进行互补注意力处理，得到第m上采样结果；将所述第m上采样网络输出的第m上采样结果传输到第m+1上采样网络以继续进行第二卷积处理，并对得到的卷积结果进行