[發(fā)明專利]一種處理圖像的方法及終端

在審

• 申請(qǐng)?zhí)枺?/td>: 201910223624.2
• 申請(qǐng)日: 2019-03-22
• 公開（公告）號(hào): CN111724312A
• 公開（公告）日: 2020-09-29
• 發(fā)明（設(shè)計(jì)）人: 趙迪;馬嵐;李松南;俞大海
• 申請(qǐng)（專利權(quán)）人: TCL集團(tuán)股份有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T3/40;G06N3/04;G06N3/08
• 代理公司: 深圳中一聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 44414
• 代理人: 張全文

1.一種處理圖像的方法，其特征在于，包括：

獲取待處理圖像；

對(duì)所述待處理圖像進(jìn)行預(yù)處理，得到目標(biāo)待處理圖像；

通過預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型將所述目標(biāo)待處理圖像處理為多個(gè)不同分辨率的目標(biāo)圖像，提取每個(gè)所述目標(biāo)圖像的特征信息；其中，所述神經(jīng)網(wǎng)絡(luò)模型是通過使用機(jī)器學(xué)習(xí)算法對(duì)圖像樣本集進(jìn)行訓(xùn)練得到，在訓(xùn)練過程中，所述神經(jīng)網(wǎng)絡(luò)模型的輸入為所述圖像樣本集中的圖像，所述神經(jīng)網(wǎng)絡(luò)模型的輸出為所述圖像經(jīng)過處理得到的去噪圖像；所述特征信息包括顏色特征、紋理特征、形狀特征和空間關(guān)系特征；

通過所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述特征信息進(jìn)行特征信息拼接處理，得到去噪圖像。

2.如權(quán)利要求1所述的方法，其特征在于，所述通過預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型將所述目標(biāo)待處理圖像處理為多個(gè)不同分辨率的目標(biāo)圖像，提取每個(gè)所述目標(biāo)圖像的特征信息，包括：

通過所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述目標(biāo)待處理圖像進(jìn)行上采樣以及下采樣，得到多個(gè)不同分辨率的目標(biāo)圖像；

提取所述目標(biāo)圖像在各自對(duì)應(yīng)的分辨率下的特征信息。

3.如權(quán)利要求1所述的方法，其特征在于，所述通過所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述特征信息進(jìn)行特征信息拼接處理，得到去噪圖像，包括：

通過所述神經(jīng)網(wǎng)絡(luò)模型將多個(gè)所述特征信息按照所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述特征信息處理的順序進(jìn)行拼接，得到拼接特征信息；

通過所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述拼接特征信息進(jìn)行卷積處理，得到去噪圖像。

4.如權(quán)利要求1所述的方法，其特征在于，所述獲取待處理圖像之前，還包括：

基于所述圖像樣本集訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型；其中，所述神經(jīng)網(wǎng)絡(luò)模型包括卷積神經(jīng)網(wǎng)絡(luò)以及循環(huán)神經(jīng)網(wǎng)絡(luò)；所述圖像樣本集包括多組曝光圖像；其中，每一組曝光圖像包括至少兩幀同一場(chǎng)景的短曝光圖像以及長(zhǎng)曝光圖像。

5.如權(quán)利要求4所述的方法，其特征在于，所述基于所述圖像樣本集訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型，包括：

獲取所述圖像樣本集；

對(duì)所述短曝光圖像進(jìn)行預(yù)處理，得到目標(biāo)短曝光圖像；

通過所述卷積神經(jīng)網(wǎng)絡(luò)將所述目標(biāo)短曝光圖像處理為多個(gè)不同分辨率的目標(biāo)訓(xùn)練圖像，提取每個(gè)所述目標(biāo)訓(xùn)練圖像的目標(biāo)特征信息；

通過所述循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)特征信息進(jìn)行特征信息拼接處理，得到目標(biāo)去噪圖像；

通過損失函數(shù)計(jì)算所述目標(biāo)去噪圖像與所述長(zhǎng)曝光圖像之間的損失值，基于所述損失值更新所述卷積神經(jīng)網(wǎng)絡(luò)以及所述循環(huán)神經(jīng)網(wǎng)絡(luò)的參數(shù)。

6.如權(quán)利要求5所述的方法，其特征在于，所述通過損失函數(shù)計(jì)算所述目標(biāo)去噪圖像與所述長(zhǎng)曝光圖像之間的損失值，基于所述損失值更新所述卷積神經(jīng)網(wǎng)絡(luò)以及所述循環(huán)神經(jīng)網(wǎng)絡(luò)的參數(shù)之后，還包括：

計(jì)算所有損失值的均值；

當(dāng)所述均值在允許的波動(dòng)范圍內(nèi)時(shí)，停止訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型。

7.如權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述待處理圖像進(jìn)行預(yù)處理，得到目標(biāo)待處理圖像，包括：

將所述待處理圖像處理成多個(gè)單顏色通道圖像；

將所述多個(gè)單顏色通道圖像進(jìn)行拼接，得到目標(biāo)待處理圖像。

8.一種終端，其特征在于，包括：

獲取單元，用于獲取待處理圖像；

第一處理單元，用于對(duì)所述待處理圖像進(jìn)行預(yù)處理，得到目標(biāo)待處理圖像；

第二處理單元，用于通過預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型將所述目標(biāo)待處理圖像處理為多個(gè)不同分辨率的目標(biāo)圖像，提取每個(gè)所述目標(biāo)圖像的特征信息；其中，所述神經(jīng)網(wǎng)絡(luò)模型是通過使用機(jī)器學(xué)習(xí)算法對(duì)圖像樣本集進(jìn)行訓(xùn)練得到，在訓(xùn)練過程中，所述神經(jīng)網(wǎng)絡(luò)模型的輸入為所述圖像樣本集中的圖像，所述神經(jīng)網(wǎng)絡(luò)模型的輸出為所述圖像經(jīng)過處理得到的去噪圖像；所述特征信息包括顏色特征、紋理特征、形狀特征和空間關(guān)系特征；

第三處理單元，用于通過所述神經(jīng)網(wǎng)絡(luò)模型對(duì)所述特征信息進(jìn)行特征信息拼接處理，得到去噪圖像。