[發明專利]圖像處理方法、圖像處理模型的訓練方法、裝置及設備

有效

• 申請號: 202110765141.2
• 申請日: 2021-07-06
• 公開（公告）號: CN113436292B
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 宋希彬;周定富;方進;張良俊
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/00;G06V10/74;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 范芳茗

本公開提供了一種圖像處理方法，涉及深度學習領域，尤其涉及基于深度學習的超分辨率圖像處理技術領域。具體實現方案為：將待處理圖像輸入卷積神經網絡，得到上述待處理圖像的特征圖；對上述特征圖執行卷積操作和重組操作，得到增強特征圖；以及根據上述增強特征圖執行圖像重建，得到重建圖像的圖像數據。本公開還提供了一種圖像處理模型的訓練方法、一種圖像處理裝置、一種圖像處理模型的訓練裝置、一種電子設備、一種存儲有計算機指令的非瞬時性計算機可讀存儲介質及一種計算機程序產品。

技術領域

本公開涉及深度學習技術領域，尤其涉及基于深度學習的超分辨率圖像處理技術領域。具體涉及一種圖像處理方法、圖像處理模型的訓練方法、裝置及設備。

背景技術

圖像超分辨率處理以低分辨率的圖像為輸入，以有效的高質量的高分辨率圖像為期望輸出。圖像超分辨率處理目前可以采用基于插值的實現方式、基于傳統機器學習的實現方式、基于深度學習的實現方式。在超分辨圖像處理中，需要對得到的特征進行增強，以便高效地提供更多的圖像信息。

發明內容

本公開提供了一種圖像處理方法、圖像處理模型的訓練方法、裝置、電子設備及計算機程序產品。

根據本公開的一方面，提供了一種圖像處理方法，包括：將待處理圖像輸入卷積神經網絡，得到上述待處理圖像的特征圖；對上述特征圖執行卷積操作和重組操作，得到增強特征圖；以及根據上述增強特征圖執行圖像重建，得到重建圖像的圖像數據。

根據本公開的另一方面，提供了一種圖像處理模型的訓練方法，上述圖像處理模型包括卷積神經網絡和特征增強模型，上述方法包括：將樣本圖像輸入卷積神經網絡，得到上述樣本圖像的特征圖；將上述樣本圖像的特征圖輸入到特征增強模型，對上述樣本特征圖執行卷積操作和重組操作，得到增強特征圖；根據上述增強特征圖執行圖像重建，得到重建圖像的圖像數據；計算上述重建圖像的圖像數據與針對上述重建圖像的監督圖像的圖像數據之間的相似度；以及調整上述卷積神經網絡的卷積核參數，直至上述相似度大于等于預設閾值。

根據本公開的另一方面，提供了一種圖像處理裝置，包括：輸入模塊，用于將待處理圖像輸入卷積神經網絡，得到上述待處理圖像的特征圖；卷積和重組模塊，用于對上述特征圖執行卷積操作和重組操作，得到增強特征圖；以及重建模塊，用于根據上述增強特征圖執行圖像重建，得到重建圖像的圖像數據。

根據本公開的另一方面，提供了一種圖像處理模型的訓練裝置，包括：輸入模塊，用于將樣本圖像輸入卷積神經網絡，得到上述樣本圖像的樣本特征圖；卷積和重組模塊，利用特征增強模型對上述樣本特征圖執行卷積操作和重組操作，得到增強特征圖；重建模塊，用于根據上述增強特征圖執行圖像重建，得到重建圖像的圖像數據；計算模塊，用于計算上述重建圖像的圖像數據與針對上述重建圖像的監督圖像的圖像數據之間的相似度；以及調整模塊，用于調整上述卷積神經網絡的卷積核參數，直至上述相似度大于等于預設閾值。

根據本公開的另一方面，供了一種電子設備，包括：至少一個處理器；以及與上述至少一個處理器通信連接的存儲器；其中，上述存儲器存儲有可被上述至少一個處理器執行的指令，上述指令被上述至少一個處理器執行，以使上述至少一個處理器能夠執行本公開實施例提供的方法。

根據本公開的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，上述計算機指令用于使上述計算機執行本公開實施例提供的方法。

根據本公開的另一方面，提供了一種計算機程序產品，包括計算機程序，上述計算機程序在被處理器執行時實現本公開實施例提供的方法

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本公開的限定。其中：

圖1是根據本公開一個實施例的圖像處理方法的流程圖；