(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111663390.7 (22)申请日 2021.12.3 0 (71)申请人 北京超维景生物科技有限公司 地址 100191 北京市海淀区翠湖南环路13 号院1号楼5层5 08室 申请人 北京大学 (72)发明人 魏榕　张珏　程和平　 (74)专利代理 机构 北京布瑞知识产权代理有限 公司 11505 代理人 宗广静 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/20(2006.01) G06V 10/774(2022.01) G06K 9/62(2022.01) (54)发明名称 模型训练方法和模型训练装置 (57)摘要 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。 权利要求书2页 说明书11页 附图6页 CN 114331901 A 2022.04.12 CN 114331901 A 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权　利　要　求　书 1/2 页 2 CN 114331901 A 2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。权　利　要　求　书 2/2 页 3 CN 114331901 A 3