[發(fā)明專利]一種圖像處理方法及計算設備

在審

• 申請?zhí)枺?/td>: 201910180918.1
• 申請日: 2019-03-11
• 公開（公告）號: CN109949226A
• 公開（公告）日: 2019-06-28
• 發(fā)明（設計）人: 陳裕潮;李志陽;李啟東;周子健;張偉
• 申請（專利權）人: 廈門美圖之家科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06N3/04
• 代理公司: 北京思睿峰知識產權代理有限公司 11396
• 代理人: 高攀;張贊

1.一種圖像處理方法，適于在計算設備中執(zhí)行，所述方法包括步驟：

獲取與原始圖像對應的低分辨率圖像；

將所述低分辨率圖像與所述原始圖像作為輸入圖像輸入到圖像處理機器學習模型組件中，獲取相較于所述原始圖像具有更高分辨率且更豐富的細節(jié)信息的高分辨率完整圖像，其中，所述圖像處理機器學習模型組件利用預先獲取的多組圖像集進行訓練得到，其中，所述多組圖像集包括高分辨率完整圖像集、高分辨率圖像集以及低分辨率圖像集。

2.如權利要求1所述的方法，其中，所述圖像處理機器學習模型組件是通過深度引導濾波組件與殘差卷積神經網絡組件耦合生成的。

3.如權利要求2所述的方法，其中，將所述低分辨率圖像與所述原始圖像作為輸入圖像輸入到圖像處理機器學習模型組件中，獲取相較于所述原始圖像具有更高分辨率且更豐富的細節(jié)信息的高分辨率完整圖像的步驟包括：

將所述低分辨率圖像與所述原始圖像輸入到深度引導濾波組件，獲取與所述原始圖像對應的輸出圖像；

將所述輸出圖像輸入到殘差卷積神經網絡組件，獲取高分辨率完整圖像。

4.如權利要求2所述的方法，其中，所述圖像處理機器學習模型組件利用預先獲取的多組圖像集進行訓練得到，包括步驟：

利用所述多組圖像集對所述深度引導濾波組件以及所述殘差卷積神經網絡組件進行協(xié)同訓練，從而實現使所述圖像處理機器學習模型組件訓練完成。

5.如權利要求4所述的方法，其中，利用所述多組圖像集對所述圖像處理機器學習模型組件進行訓練的步驟包括：

獲取高分辨率完整圖像集、高分辨率圖像集以及低分辨率圖像集；

構建所述圖像處理機器學習模型組件，其中所述圖像處理機器學習模型組件中設置有訓練參數；

利用高分辨率圖像集、低分辨率圖像集與高分辨率完整圖像集之間的對應關系對所述圖像處理機器學習模型組件進行訓練，調整所述訓練參數，直到所述圖像處理機器學習模型組件達到預設要求。

6.如權利要求5所述的方法，其中，所述圖像處理機器學習模型組件包括引導濾波網絡和殘差網絡。

7.如權利要求1所述的方法，其中，所述多組圖像集是指利用從與每個畫面對應的多個圖像中分別提取出高分辨率完整圖像、高分辨率圖像以及低分辨率圖像來形成高分辨率完整圖像集、高分辨率圖像集以及低分辨率圖像集。

8.一種圖像處理方法，適于在計算設備中執(zhí)行，所述方法包括步驟：

獲取與原始圖像對應的低分辨率圖像；

將所述低分辨率圖像和所述原始圖像作為輸入圖像輸入到深度引導濾波組件，獲取與所述原始圖像對應的輸出圖像；

將所述輸出圖像輸入到殘差卷積神經網絡組件，獲取與所述輸出圖像對應的高分辨率完整圖像，其中，所述高分辨率完整圖像是相較于原始圖像具有更高分辨率且更豐富的細節(jié)信息的圖像。

9.一種計算設備，包括：

一個或多個處理器；

存儲器；以及

一個或多個程序，其中所述一個或多個程序存儲在所述存儲器中并被配置為由所述一個或多個處理器執(zhí)行，所述一個或多個程序包括用于執(zhí)行根據權利要求1-8所述的方法中的任一方法的指令。

10.一種存儲一個或多個程序的計算機可讀存儲介質，所述一個或多個程序包括指令，所述指令當由計算設備執(zhí)行時，使得所述計算設備執(zhí)行根據權利要求1-8所述的方法中的任一方法。