[發明專利]一種圖像處理方法、裝置和存儲介質

在審

• 申請號: 202110761460.6
• 申請日: 2021-07-06
• 公開（公告）號: CN115578251A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 董占龍;柳岸;胡冉杰;吉彬;袁磊;黃承基
• 申請（專利權）人: 中移（成都）信息通信科技有限公司;中國移動通信集團有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06V10/774;G06V10/82
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 蔣雅潔;張穎玲

本發明公開了一種圖像處理方法、裝置和存儲介質，所述方法包括：獲取待處理圖像；運用預設的圖像處理模型處理所述待處理圖像，獲得所述待處理圖像對應的的目標圖像；所述目標圖像的分辨率高于所述待處理圖像的分辨率；其中，所述圖像處理模型基于生成對抗網絡訓練得到；所述生成對抗網絡包括：超分生成器和超分鑒別器；訓練過程中，所述超分鑒別器用于對所述超分生成器生成的圖像和真實圖像進行鑒別。

技術領域

本發明涉及圖像處理領域，尤其涉及一種圖像處理方法、裝置和存儲介質。

背景技術

人臉圖像超分辨率(SR，Super-Resolution)重建算法是一種重建技術，它 在圖像中將低分辨率(LR，Low-Resolution)圖像通過軟件處理，得到擁有更 多細節的高分辨率圖像。通過使用超分辨率算法技術，人們可以突破設備以及 硬件設施的約束，得到更清晰，表現效果更好的人臉圖像，之后對圖像進行處 理的各個應用也會得到很好的處理效果。

為了實現人臉圖像的超分辨率，目前技術主要分為三種算法：基于插值， 基于重建和基于學習。插值算法理論最簡單，計算量最小，包括基于單幀圖像 的最近鄰插值，雙線性插值和雙三次插值。對于多幀圖像，還存在非均勻采樣 插值算法。基于重建的算法指的是，通過高分辨率圖像退化得到低分辨率圖像， 重建算法分析這種退化關系，得到高分辨率圖像。所以基于重建的方法嚴重依 賴約束模型。以上兩種算法雖然簡單，但是由于其算法本身的特點，發展受到 制約，所以，目前工業界和學術界普遍采用基于學習的超分辨率方法。由于需 要重構的低分辨率人臉圖像的信息有限，因此基于學習的人臉圖像超分辨率方 法需要學習已知圖像的結構以增加信息。其主要是通過學習低分辨率圖像和高 分辨率圖像之間的關系，需要一個強大的數據樣本庫來擬合低分辨率圖像到高 分辨率圖像。然后將學習到的樣本關系應用于一般的低分辨率圖像，來將低分 辨率圖像超分重建為高分辨率圖像。由于基于學習的方法比較依賴數據的變化， 所以，隨著數據的不同，不同的算法具有不同的結構與特點。

基于學習的圖像超分算法是人臉圖像超分中的一種新穎且先進的超分算法。Baker提出的圖像超分算法是基于學習的超分算法的開山之作，還有基于馬爾 科夫隨機場(MRF，Markov Random Field)網絡模型的Freeman提出的算法， 基于圖像技術的Hertzma算法等。隨著深度學習在圖像識別和分類方面的杰出 表現，國內外研究人員紛紛將深度學習技術應用于超分圖像重建。總而言之， 基于學習的人臉圖像重建技術可以使用訓練集樣本庫提供先驗信息指導實施重 建，對于低分辨率的重建圖像，即使放大率很大，重建的高分辨率人臉圖像仍 然具有良好的紋理效果。

基于插值的方法計算量小，但是重建效果差，重建后的圖像像素不連續的 現象較明顯，高頻信息丟失等問題。基于重建的方法由于需要研究圖像的退化 關系，所以超分質量的好壞嚴重依賴約束模型。目前基于學習的方法在一定程 度上改善了上述兩種方法的缺點，但是當前通過深度學習卷積重建后的圖像邊 緣信息過于平滑，高頻紋理細節不夠明顯，另外，在人眼視覺來看，超分后的 圖像不夠真實，圖像過“假”。

發明內容

有鑒于此，本發明的主要目的在于提供一種圖像處理方法、裝置和存儲介 質。

為達到上述目的，本發明的技術方案是這樣實現的：

本發明實施例提供了一種圖像處理方法，所述方法包括：

獲取待處理圖像；

運用預設的圖像處理模型處理所述待處理圖像，獲得所述待處理圖像對應 的的目標圖像；所述目標圖像的分辨率高于所述待處理圖像的分辨率；

其中，所述圖像處理模型基于生成對抗網絡訓練得到；所述生成對抗網絡 包括：超分生成器和超分鑒別器；訓練過程中，所述超分鑒別器用于對所述超 分生成器生成的圖像和真實圖像進行鑒別。

上述方案中，所述方法還包括：生成所述圖像處理模型；

所述生成所述圖像處理模型，包括：