[發(fā)明專(zhuān)利]圖像下采樣方法和圖像下采樣系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210103232.4
• 申請(qǐng)日: 2022-01-27
• 公開(kāi)（公告）號(hào): CN114494876A
• 公開(kāi)（公告）日: 2022-05-13
• 發(fā)明（設(shè)計(jì)）人: 袁峰;王冕;李浬;徐亦飛;桑維光
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州喔影網(wǎng)絡(luò)科技有限公司
• 主分類(lèi)號(hào): G06V20/10
• 分類(lèi)號(hào): G06V20/10;G06V10/44;G06V10/77;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州華進(jìn)聯(lián)浙知識(shí)產(chǎn)權(quán)代理有限公司 33250
• 代理人: 何曉春

本申請(qǐng)涉及一種圖像下采樣方法和圖像下采樣系統(tǒng)，其中，該圖像下采樣方法包括：接收?qǐng)D像下采樣指令，根據(jù)所述圖像下采樣指令獲取原始圖像，對(duì)所述原始圖像進(jìn)行下采樣得到初始下采樣圖像；將所述初始下采樣圖像輸入至訓(xùn)練完備的生成器網(wǎng)絡(luò)模型，得到包括待測(cè)紋理信息的目標(biāo)下采樣圖像；其中，所述生成器網(wǎng)絡(luò)模型是對(duì)獲取到的待訓(xùn)練圖像的待訓(xùn)練紋理信息進(jìn)行訓(xùn)練生成的。通過(guò)本申請(qǐng)，解決了相關(guān)技術(shù)中圖像下采樣方法得到的圖像通常不能充分反映客觀世界中物體的真實(shí)紋理輪廓和特征的問(wèn)題，實(shí)現(xiàn)了提高下采樣圖像對(duì)真實(shí)物體輪廓和特征的反映。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理領(lǐng)域，特別是涉及圖像下采樣方法和圖像下采樣系統(tǒng)。

背景技術(shù)

圖像下采樣是一個(gè)經(jīng)典的計(jì)算機(jī)視覺(jué)任務(wù)，它為圖像超分辨率、縮略圖、圖像降質(zhì)等應(yīng)用奠定了基礎(chǔ)。對(duì)于輸入尺寸為M×N的高分辨率圖像，進(jìn)行S倍的下采樣后，將得到輸出尺寸為(M/S)×(N/S)的低分辨率圖像。在圖像超分辨率重建中，需要高分辨率圖像和低分辨率圖像構(gòu)成訓(xùn)練圖像對(duì)，從而根據(jù)訓(xùn)練圖像對(duì)訓(xùn)練圖像超分辨率重建模型。

相關(guān)技術(shù)中，低分辨率圖像通常由高分辨率圖像直接通過(guò)雙三次插值等基于插值的下采樣方法得到，但是基于差值的圖像下采樣方法是采用計(jì)算RGB插值的方法得到下采樣的圖像的，因此通常不能充分反映客觀世界中物體的真實(shí)紋理輪廓和特征。

針對(duì)相關(guān)技術(shù)中存在圖像下采樣方法得到的圖像通常不能充分反映客觀世界中物體的真實(shí)紋理輪廓和特征的問(wèn)題，目前還沒(méi)有提出有效的解決方案。

發(fā)明內(nèi)容

在本實(shí)施例中提供了一種圖像下采樣方法和圖像下采樣系統(tǒng)，以解決相關(guān)技術(shù)中圖像下采樣方法得到的圖像通常不能充分反映客觀世界中物體的真實(shí)紋理輪廓和特征的問(wèn)題。

第一個(gè)方面，在本實(shí)施例中提供了一種圖像下采樣方法，包括：

接收?qǐng)D像下采樣指令，根據(jù)所述圖像下采樣指令獲取原始圖像，對(duì)所述原始圖像進(jìn)行下采樣得到初始下采樣圖像；

將所述初始下采樣圖像輸入至訓(xùn)練完備的生成器網(wǎng)絡(luò)模型，得到包括待測(cè)紋理信息的目標(biāo)下采樣圖像；其中，所述生成器網(wǎng)絡(luò)模型是對(duì)獲取到的待訓(xùn)練圖像的待訓(xùn)練紋理信息進(jìn)行訓(xùn)練生成的。

在其中的一些實(shí)施例中，所述生成器網(wǎng)絡(luò)模型包括第一標(biāo)準(zhǔn)卷積模型、殘差塊和第二標(biāo)準(zhǔn)卷積模型；所述將所述初始下采樣圖像輸入至訓(xùn)練完備的生成器網(wǎng)絡(luò)模型，得到包括待測(cè)紋理信息的目標(biāo)下采樣圖像，包括：

將所述初始下采樣圖像輸入至所述第一標(biāo)準(zhǔn)卷積模型，擴(kuò)展所述初始下采樣圖像的特征通道，得到多通道特征圖；

將所述多通道特征圖輸入至所述殘差塊提取深度特征，得到第一深度特征圖；

將所述第一深度特征圖輸入至所述第二標(biāo)準(zhǔn)卷積模型，對(duì)所述第一深度特征圖進(jìn)行降維，得到所述目標(biāo)下采樣圖像。

在其中的一些實(shí)施例中，所述殘差塊包括：第一深度卷積模型、第三標(biāo)準(zhǔn)卷積模型和跳轉(zhuǎn)連接塊；所述將所述多通道特征圖輸入至所述殘差塊提取深度特征，得到第一深度特征圖，包括：

將所述多通道特征圖依次輸入至所述第一深度卷積模型和所述第三標(biāo)準(zhǔn)卷積模型，得到初始特征圖像；

將所述初始特征圖像和所述多通道特征圖輸入至所述跳轉(zhuǎn)連接塊，對(duì)所述初始特征圖像和所述多通道特征圖的深度特征進(jìn)行殘差學(xué)習(xí)，輸出得到所述第一深度特征圖。

在其中的一些實(shí)施例中，在所述接收?qǐng)D像下采樣指令之前，還包括：

獲取待訓(xùn)練圖像，對(duì)所述待訓(xùn)練圖像進(jìn)行下采樣得到初始訓(xùn)練圖像；

將所述初始訓(xùn)練圖像輸入至待訓(xùn)練生成器網(wǎng)絡(luò)模型得到生成器輸出圖像，以生成所述生成器網(wǎng)絡(luò)模型。

在其中的一些實(shí)施例中，所述生成所述生成器網(wǎng)絡(luò)模型包括：