[發明專利]圖像處理方法、裝置及電子設備

在審

• 申請號: 201810583369.8
• 申請日: 2018-06-07
• 公開（公告）號: CN108737750A
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 黃海斌;巫奇豪
• 申請（專利權）人: 北京曠視科技有限公司
• 主分類號: H04N5/357
• 分類號: H04N5/357;H04N5/359;G06T5/50;G06T5/00
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 鄧超

1.一種圖像處理方法，其特征在于，包括：

對待處理圖像進行降噪處理，生成降噪圖像；

從所述降噪圖像中提取拍攝目標對應的目標區域圖像；

對所述目標區域圖像進行細節增強處理，生成細節增強圖像；

將所述降噪圖像與所述細節增強圖像進行融合，獲得輸出圖像。

2.根據權利要求1所述的方法，其特征在于，所述對待處理圖像進行降噪處理，生成降噪圖像的步驟，包括：

將所述待處理圖像輸入降噪網絡，將所述降噪網絡的輸出作為所述降噪圖像；所述降噪網絡采用卷積-反卷積神經網絡；所述降噪圖像與所述待處理圖像的大小相同。

3.根據權利要求2所述的方法，其特征在于，所述卷積-反卷積神經網絡包括卷積神經網絡和反卷積神經網絡；

所述卷積神經網絡包括至少一層卷積層，所述至少一層卷積層中的每層卷積層包括一個或多個第一卷積核，所述第一卷積核遍歷所述待處理圖像的像素矩陣后得到降噪特征圖；

所述反卷積神經網絡采用與所述卷積神經網絡對稱的結構，所述反卷積神經網絡包括至少一層反卷積層，所述至少一層反卷積層中的每層反卷積層包括與對應卷積層相同數量的第二卷積核，所述第二卷積核遍歷所述降噪特征圖的特征矩陣后得到降噪圖像。

4.根據權利要求1所述的方法，其特征在于，從所述降噪圖像中提取拍攝目標對應的目標區域圖像的步驟，包括：

通過目標提取網絡確定所述降噪圖像中所述拍攝目標的所在區域；所述目標提取網絡采用卷積神經網絡；

從所述降噪圖像中分離出所述拍攝目標的所在區域，得到所述目標區域圖像。

5.根據權利要求1所述的方法，其特征在于，對所述目標區域圖像進行細節增強處理，生成細節增強圖像的步驟，包括：

將所述目標區域圖像輸入細節增強網絡，將所述細節增強網絡的輸出作為所述細節增強圖像；所述細節增強網絡采用卷積-反卷積神經網絡；所述細節增強圖像與所述目標區域圖像的大小相同。

6.根據權利要求1所述的方法，其特征在于，將所述降噪圖像與所述細節增強圖像進行融合，獲得輸出圖像的步驟，包括：

采用所述細節增強圖像替換所述降噪圖像中的所述目標區域圖像；

對所述細節增強圖像與所述降噪圖像相交的邊界區域進行線性融合。

7.根據權利要求6所述的方法，其特征在于，所述采用所述細節增強圖像替換所述降噪圖像中的所述目標區域圖像的步驟，包括：

通過如下公式，實現所述替換過程：

R_final＝aR_206+(1-a)R_202

其中，R_final為輸出圖像，R_206為所述細節增強圖像，R_202為所述降噪圖像，a為所述目標區域圖像在所述降噪圖像中的所在區域，1-a為所述降噪圖像中除所述目標區域圖像之外的其它區域。

8.根據權利要求6所述的方法，其特征在于，對所述細節增強圖像與所述降噪圖像相交的邊界區域進行線性融合的步驟，包括：

采用平滑濾波或小波重構的方式，對所述細節增強圖像與所述降噪圖像相交的邊界區域進行線性融合。

9.根據權利要求2～5中的任一項所述的方法，其特征在于，所述對待處理圖像進行降噪處理的步驟之前，所述方法還包括：

獲取訓練圖像樣本集，所述訓練圖像樣本集中包含多組成對的訓練圖像；

采用所述訓練圖像樣本集對所述降噪網絡、所述目標提取網絡或所述細節增強網絡進行訓練。