[發明專利]一種圖像處理方法及計算設備

在審

• 申請號: 201910180918.1
• 申請日: 2019-03-11
• 公開（公告）號: CN109949226A
• 公開（公告）日: 2019-06-28
• 發明（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

本發明公開了一種圖像處理方法及計算設備，其中方法包括步驟：獲取與原始圖像對應的低分辨率圖像；將低分辨率圖像與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信息的高分辨率完整圖像，其中，該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，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。

技術領域

本發明涉及計算機技術領域，特別涉及一種圖像處理方法及計算設備。

背景技術

近年來，利用引導圖的引導濾波方法在執行圖像濾波時，既可保持圖像邊緣性又可使圖像的紋理部分與引導圖近似，因此在圖像增強、圖像摳圖、圖像去霧等場景中大受歡迎。基于此，提出一種利用引導濾波單元與卷積神經網絡耦合的圖像處理方法(例如，深度引導濾波)，該方法可引入引導濾波網絡形成深度引導濾波網絡，從而可將高分辨率圖像作為低分辨率圖像的引導圖并輸出高分辨圖像。但這種方法的圖像處理結果存在圖像細節丟失、圖像過于平滑等問題。因此，需要一種圖像處理效果更好(例如，圖像細節豐富并且圖像不會過于平滑)的技術方案。

發明內容

為此，本發明提供一種圖像處理方法及計算設備，以力圖解決或者至少緩解上面存在的至少一個問題。

根據本發明的一個方面，提供了一種圖像處理方法，適于在計算設備中執行，該方法包括如下步驟：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。

可選地，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。

可選地，將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原始圖像具有更高分辨率且更豐富的細節信息的高分辨率完整圖像包括：將低分辨率圖像與所述原始圖像輸入到深度引導濾波組件，獲取與原始圖像對應的輸出圖像；將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，其中，高分辨率完整圖像是相較于原始圖像具有更豐富的細節信息的圖像。

可選地，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：利用多組圖像集對深度引導濾波組件以及殘差卷積神經網絡組件進行協同訓練，從而實現使該圖像處理機器學習模型組件訓練完成。

可選地，利用多組圖像集對所述圖像處理機器學習模型組件進行訓練包括：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；構建圖像處理機器學習模型組件，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，調整訓練參數，直到該圖像處理機器學習模型組件達到預設要求。

可選地，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。

可選地，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。

根據本發明的又一個方面，提供了一種計算設備，包括一個或多個處理器、存儲器以及一個或多個程序，其中一個或多個程序存儲在存儲器中并被配置為由一個或多個處理器執行，一個或多個程序包括用于執行根據本發明的圖像處理方法的指令。

根據本發明的又一個方面，提供了一種存儲一個或多個程序的計算機可讀存儲介質，一個或多個程序包括指令，指令當由計算設備執行時，使得計算設備執行根據本發明的圖像處理方法的指令。