[發明專利]模型訓練方法、圖像處理方法、裝置及電子設備

有效

• 申請號: 201910367654.0
• 申請日: 2019-04-30
• 公開（公告）號: CN109996085B
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 陳金;賀沁雯;樊鴻飛;梅元剛;王明琛;李響;李果;徐寅斐
• 申請（專利權）人: 北京金山云網絡技術有限公司;北京金山云科技有限公司
• 主分類號: H04N19/85
• 分類號: H04N19/85;G06T5/00
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐彥圣

本發明提供了一種模型訓練方法、圖像處理方法、裝置及電子設備，涉及圖像處理技術領域，包括：獲取多個初始圖像；其中，所述多個初始圖像中包括邊緣銳利的圖像；對于每個所述初始圖像分別進行多次壓縮處理，得到訓練集，其中，所述訓練集中包括：多組圖像，所述多組圖像的每一組圖像包括：所述初始圖像，對所述初始圖像進行壓縮處理得到的壓縮圖像；利用所述訓練集對神經網絡模型進行訓練，得到訓練后的神經網絡模型，解決了現有技術中存在的對圖像進行超分辨率處理時沒有很好地解決振鈴效應，從而導致產生的圖像的視覺效果較差的技術問題。

技術領域

本發明涉及圖像處理技術領域，尤其是涉及一種模型訓練方法、圖像處理方法、裝置及電子設備。

背景技術

隨著電視機、移動終端等圖像及視頻播放設備分辨率的不斷提升，在低分辨率圖像在高分辨率屏幕下顯示時，相關技術中的方案，為適應高分辨率屏幕，一般會直接利用簡單的插值技術對低分辨率圖像進行放大，這樣可能會導致視覺效果變差，比如容易產生馬賽克，因此，更高分辨率圖像的需求與日俱增，圖像的質量較為重要。

另外，處理的圖像在傳輸過程中被多次壓縮，圖像信息丟失，尤其是高頻信息的丟失，圖像灰度劇烈變化的鄰域便會出現振蕩，圖像中人或物體的輪廓可能出現失真，從而使圖像質量降低，這一現象稱為振鈴效應(Ringing effect)。

相關技術中，對圖像進行超分辨率處理時，還沒有很好地解決振鈴效應，從而導致產生的圖像的視覺效果較差。

發明內容

有鑒于此，本發明的目的在于提供一種模型訓練方法、圖像處理方法、裝置及電子設備，以解決現有技術中存在的圖像的視覺效果較差的技術問題。

第一方面，本發明實施例提供了一種模型訓練方法，包括：

獲取多個初始圖像；其中，所述多個初始圖像中包括邊緣銳利的圖像；

對于每個所述初始圖像分別進行多次壓縮處理，得到訓練集，其中，所述訓練集中包括：多組圖像，所述多組圖像的每一組圖像包括：所述初始圖像，對所述初始圖像進行壓縮處理得到的壓縮圖像；

利用所述訓練集對神經網絡模型進行訓練，得到訓練后的神經網絡模型。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，通過以下方式對所述初始圖像進行多次壓縮處理：

確定對所述圖像進行壓縮的次數；

基于確定的所述次數對所述圖像進行壓縮；其中，每次對所述圖像進行壓縮的過程包括：確定所述圖像的質量值，基于確定的所述質量值對所述圖像進行處理，得到處理后的圖像；確定是否對所述圖像的大小進行調整，在確定進行調整的情況下，確定調整所述圖像的算法，基于所述算法對所述處理后的圖像進行調整。

結合第一方面，本發明實施例提供了第一方面的第二種可能的實施方式，其中，所述確定對所述圖像進行壓縮的次數，包括：

生成第一隨機數值n；

將所述n作為所述次數；其中，n為正整數。

結合第一方面，本發明實施例提供了第一方面的第三種可能的實施方式，其中，確定所述圖像的質量值，基于確定的所述質量值對所述圖像進行處理，得到處理后的圖像，包括：

生成第二隨機數值m；

以所述m為質量值，對所述圖像進行處理；

其中，m為正整數。

結合第一方面，本發明實施例提供了第一方面的第四種可能的實施方式，其中，確定是否對所述圖像的大小進行調整包括：

生成第三隨機數值P；其中，在所述P為第一數值的情況下，確定對所述圖像的大小進行調整；在所述P為第二數值的情況下，確定不對所述圖像的大小進行調整。