[發明專利]圖像處理方法、裝置及存儲介質

在審

• 申請號: 202110062552.5
• 申請日: 2021-01-18
• 公開（公告）號: CN112750081A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 張亮
• 申請（專利權）人: 北京小米松果電子有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/50;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京善任知識產權代理有限公司 11650
• 代理人: 康艷青

1.一種圖像處理方法，其特征在于，應用于電子設備，包括：

基于第一終端設備采集的圖像幀構建第一訓練集；

基于所述第一訓練集對預先構建的第一網絡模型進行訓練，得到超分退化模型；

將第二終端設備采集的第一圖像幀輸入所述超分退化模型，得到第一預測標簽；

基于所述第一圖像幀和所述第一預測標簽，構建第二訓練集；

基于所述第二訓練集對預先構建的第二網絡模型進行訓練，得到目標網絡模型；

基于所述目標網絡模型對所述第二終端設備采集的待處理圖像進行超分處理，得到目標圖像。

2.根據權利要求1所述的方法，其特征在于，所述基于第一終端設備采集的圖像幀構建第一訓練集，包括：

根據所述第一終端設備在各個應用場景下，分別按照不同的拍攝距離采集的多個圖像幀，構建所述第一訓練集。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第一終端設備在各個應用場景下，分別按照不同的拍攝距離采集的多個圖像幀，構建所述第一訓練集，包括：

確定所述第一終端設備在各個所述應用場景下，按照第一拍攝距離采集的第二圖像幀，以及按照第二拍攝距離采集的第三圖像幀；

將所述第三圖像幀作為標注標簽對所述第二圖像幀進行標注，得到對應于各個所述應用場景的已標注圖像幀；

基于對應于各個所述應用場景的已標注圖像幀，構建所述第一訓練集。

4.根據權利要求3所述的方法，其特征在于，所述將所述第三圖像幀作為標注標簽對所述第二圖像幀進行標注，得到對應于各個所述應用場景的已標注圖像幀，包括：

在所述第三圖像幀的分辨率低于所述第二圖像幀的情況下，將所述第三圖像幀作為標注標簽對所述第二圖像幀進行標注，得到對應于各個所述應用場景的所述已標注圖像幀。

5.根據權利要求3所述的方法，其特征在于，所述基于所述第一訓練集對預先構建的第一網絡模型進行訓練，得到超分退化模型，包括：

將所述已標注圖像幀輸入所述第一網絡模型，得到第二預測標簽；

根據所述第二預測標簽與所述已標注圖像幀的標注標簽之間的差異，得到訓練損失值；

基于所述訓練損失值，更新所述第一網絡模型的模型參數，得到所述超分退化模型。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

當所述訓練損失值在設定時長內的數值變化小于設定變化閾值時，停止訓練所述第一網絡模型。

7.根據權利要求1所述的方法，其特征在于，所述第一網絡模型包括：生成對抗網絡模型，所述基于所述第一訓練集對預先構建的第一網絡模型進行訓練，得到超分退化模型，包括：

將所述第一終端設備采集的多個所述圖像幀輸入所述生成對抗網絡模型，對所述生成對抗網絡模型進行訓練，以得到超分退化模型。

8.根據權利要求3所述的方法，其特征在于，所述第二拍攝距離大于所述第一拍攝距離。

9.一種圖像處理裝置，其特征在于，應用于電子設備，包括：

第一構建模塊，配置為基于第一終端設備采集的圖像幀構建第一訓練集；

第一訓練模塊，配置為基于所述第一訓練集對預先構建的第一網絡模型進行訓練，得到超分退化模型；

輸入模塊，配置為將第二終端設備采集的第一圖像幀輸入所述超分退化模型，得到第一預測標簽；

第二構建模塊，配置為基于所述第一圖像幀和所述第一預測標簽，構建第二訓練集；

第二訓練模塊，配置為基于所述第二訓練集對預先構建的第二網絡模型進行訓練，得到目標網絡模型；

處理模塊，配置為基于所述目標網絡模型對所述第二終端設備采集的待處理圖像進行超分處理，得到目標圖像。

10.根據權利要求9所述的裝置，其特征在于，所述第一構建模塊，還配置為：

根據所述第一終端設備在各個應用場景下，分別按照不同的拍攝距離采集的多個圖像幀，構建所述第一訓練集。