[發明專利]圖像處理方法及裝置

有效

• 申請號: 201711238518.9
• 申請日: 2017-11-30
• 公開（公告）號: CN107945134B
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 楊松
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/08
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 魏嘉熹

1.一種圖像處理方法，其特征在于，包括：

根據待處理圖像，得到所述待處理圖像在X方向的第一梯度圖和Y方向的第二梯度圖；

將所述第一梯度圖輸入第一神經網絡，得到處理后的第三梯度圖；

將所述第二梯度圖輸入第二神經網絡，得到處理后的第四梯度圖；

根據所述待處理圖像、所述第三梯度圖和所述第四梯度圖進行最小化處理，得到結果圖像；

還包括：

獲取濾波器和訓練圖像集合；

根據所述濾波器和所述訓練圖像集合訓練得到所述第一神經網絡；

根據所述濾波器和所述訓練圖像集合訓練得到所述第二神經網絡。

2.根據權利要求1所述的方法，其特征在于，根據所述待處理圖像、所述第三梯度圖和所述第四梯度圖進行最小化處理，得到結果圖像，包括：

根據式1確定結果圖像：

其中，R表示所述結果圖像，R_x表示所述結果圖像在X方向的梯度圖，R_y表示所述結果圖像在X方向的梯度圖，β為大于零的第一常數，I表示所述待處理圖像，I'_x表示所述第三梯度圖，I'_y表示所述第四梯度圖。

3.根據權利要求1所述的方法，其特征在于，根據所述濾波器和所述訓練圖像集合訓練得到所述第一神經網絡，包括：

確定所述訓練圖像集合中各訓練圖像在X方向的第五梯度圖；

根據各所述第五梯度圖和所述濾波器確定各訓練圖像對應的第一樣本圖；

根據式2采用隨機梯度下降法訓練得到第一神經網絡；

其中，Iⁱ表示所述訓練圖像集合中的第i個訓練圖像，所述訓練圖像集合為{I¹,I²,I³，…，I^N}，0≤i≤N，且i、N為正整數；

F(Iⁱ)_x表示Iⁱ對應的第一樣本圖，表示Iⁱ對應的所述第五梯度圖；

CNN₁(x)表示第一神經網絡，表示第一神經網絡對應于的第一輸出結果；

λ表示大于零的第二常數，ε表示大于零的第三常數，表示針對所述第一輸出結果的損失函數。

4.根據權利要求1所述的方法，其特征在于，根據所述濾波器和所述訓練圖像集合訓練得到所述第二神經網絡，包括：

確定所述訓練圖像集合中各訓練圖像在Y方向的第六梯度圖；

根據各所述第六梯度圖和所述濾波器確定各訓練圖像對應的第二樣本圖；

根據式3采用隨機梯度下降法訓練得到第二神經網絡；

其中，Iⁱ表示所述訓練圖像集合中的第i個訓練圖像，所述訓練圖像集合為{I¹,I²,I³，…，I^N}，0≤i≤N，且i、N為正整數；

F(Iⁱ)_y表示Iⁱ對應的第二樣本圖，表示Iⁱ對應的所述第六梯度圖；

CNN₂(x)表示第二神經網絡，表示第二神經網絡對應于的第二輸出結果；

λ表示大于零的第二常數，ε表示大于零的第三常數，表示針對第二輸出結果的損失函數。

5.根據權利要求1至4中任意一項所述的方法，其特征在于，還包括：

將第一神經網絡和/或第二神經網絡中的各卷積核變為離散卷積核。