[發(fā)明專利]圖像處理方法、裝置、設(shè)備及其訓(xùn)練方法

有效

• 申請?zhí)枺?/td>: 202010419181.7
• 申請日: 2020-05-18
• 公開（公告）號: CN111598808B
• 公開（公告）日: 2022-08-23
• 發(fā)明（設(shè)計(jì)）人: 季孝忠;曹赟;邰穎;汪鋮杰;李季檁
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京市柳沈律師事務(wù)所 11105
• 代理人: 王娟

1.一種圖像處理模型的訓(xùn)練方法，包括：

獲取樣本圖像集，所述樣本圖像集包括第一數(shù)量的樣本圖像，每個(gè)樣本圖像包含有噪聲和模糊信息；

基于所述樣本圖像集構(gòu)建圖像特征集，所述圖像特征集包括分別從所述樣本圖像集中的每個(gè)樣本圖像提取的至少一個(gè)圖像特征，所述至少一個(gè)圖像特征包括模糊度特征和噪聲特征；

獲取訓(xùn)練圖像集，所述訓(xùn)練圖像集包括第二數(shù)量的訓(xùn)練圖像，所述訓(xùn)練圖像集與所述樣本圖像集完全相同、部分相同或完全不同，所述第一數(shù)量和所述第二數(shù)量相同或不同；

基于所述訓(xùn)練圖像集和所述圖像特征集構(gòu)建多個(gè)訓(xùn)練圖像對，每個(gè)訓(xùn)練圖像對包括一個(gè)訓(xùn)練目標(biāo)圖像和一個(gè)訓(xùn)練輸入圖像，所述訓(xùn)練目標(biāo)圖像的分辨率高于所述訓(xùn)練輸入圖像的分辨率；以及

基于所述多個(gè)訓(xùn)練圖像對對所述圖像處理模型進(jìn)行訓(xùn)練。

2.如權(quán)利要求1所述的訓(xùn)練方法，其中，基于所述樣本圖像集構(gòu)建圖像特征集包括：

提取所述樣本圖像集中的每個(gè)樣本圖像的模糊度特征和噪聲特征；以及

基于所述每個(gè)樣本圖像的模糊度特征和噪聲特征來構(gòu)建所述圖像特征集。

3.如權(quán)利要求2所述的訓(xùn)練方法，其中，基于所述訓(xùn)練圖像集和所述圖像特征集構(gòu)建多個(gè)訓(xùn)練圖像對包括：對于所述訓(xùn)練圖像集中的至少一部分訓(xùn)練圖像中的每一個(gè)，

對該訓(xùn)練圖像進(jìn)行圖像增強(qiáng)，以獲取所述訓(xùn)練目標(biāo)圖像；以及

基于所述訓(xùn)練目標(biāo)圖像和所述圖像特征集獲取與所述訓(xùn)練目標(biāo)圖像相對應(yīng)的訓(xùn)練輸入圖像。

4.如權(quán)利要求3所述的訓(xùn)練方法，其中，對該訓(xùn)練圖像進(jìn)行圖像增強(qiáng)，以獲取所述訓(xùn)練目標(biāo)圖像包括：

對所述訓(xùn)練圖像進(jìn)行去噪聲和/或去模糊處理，以獲取所述訓(xùn)練目標(biāo)圖像，其中

所述訓(xùn)練目標(biāo)圖像的模糊度和/或噪聲低于所述訓(xùn)練圖像的模糊度和/或噪聲。

5.如權(quán)利要求3所述的訓(xùn)練方法，其中，對該訓(xùn)練圖像進(jìn)行圖像增強(qiáng)，以獲取所述訓(xùn)練目標(biāo)圖像包括：

對所述訓(xùn)練圖像進(jìn)行雙三次插值下采樣處理，以獲取所述訓(xùn)練目標(biāo)圖像。

6.如權(quán)利要求3所述的訓(xùn)練方法，其中，基于所述訓(xùn)練目標(biāo)圖像和所述圖像特征集獲取與所述訓(xùn)練目標(biāo)圖像相對應(yīng)的訓(xùn)練輸入圖像包括：

從所述圖像特征集中選取至少一個(gè)圖像特征；

將所述選取的至少一個(gè)圖像特征應(yīng)用于所述訓(xùn)練目標(biāo)圖像；以及

對所述訓(xùn)練目標(biāo)圖像進(jìn)行下采樣，以獲取所述訓(xùn)練輸入圖像。

7.如權(quán)利要求6所述的訓(xùn)練方法，其中，所述至少一個(gè)圖像特征包括至少一個(gè)模糊度特征和至少一個(gè)噪聲特征，其中，基于所述訓(xùn)練目標(biāo)圖像和所述圖像特征集獲取與所述訓(xùn)練目標(biāo)圖像相對應(yīng)的訓(xùn)練輸入圖像包括：

從所述圖像特征集中選取至少一個(gè)模糊度特征和至少一個(gè)噪聲特征；

將所述選取的至少一個(gè)模糊度特征應(yīng)用于所述訓(xùn)練目標(biāo)圖像，以得到添加了模糊度的訓(xùn)練中間圖像；

對所述添加了模糊度的訓(xùn)練中間圖像進(jìn)行下采樣，以得到下采樣后的訓(xùn)練中間圖像；以及

將所述選取的至少一個(gè)噪聲特征應(yīng)用于所述下采樣后的訓(xùn)練中間圖像，以得到所述訓(xùn)練輸入圖像。

8.如權(quán)利要求3所述的訓(xùn)練方法，其中，所述圖像處理模型包括神經(jīng)網(wǎng)絡(luò)模型，其中，基于所述多個(gè)訓(xùn)練圖像對對所述圖像處理模型進(jìn)行訓(xùn)練包括：

對于所述多個(gè)訓(xùn)練圖像對中的每一個(gè)訓(xùn)練圖像對，

將該訓(xùn)練圖像對中的訓(xùn)練輸入圖像作為所述神經(jīng)網(wǎng)絡(luò)模型的輸入；

基于所述神經(jīng)網(wǎng)絡(luò)模型的輸出與所述訓(xùn)練圖像對中的訓(xùn)練目標(biāo)圖像來計(jì)算所述神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)；以及

基于所述損失函數(shù)來優(yōu)化所述神經(jīng)網(wǎng)絡(luò)模型的網(wǎng)絡(luò)參數(shù)。