[發(fā)明專(zhuān)利]圖像重構(gòu)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211180722.0
• 申請(qǐng)日: 2022-09-26
• 公開(kāi)（公告）號(hào): CN115713569A
• 公開(kāi)（公告）日: 2023-02-24
• 發(fā)明（設(shè)計(jì)）人: 唐海川;咸曉雨;田寅;龔明;劉俊;紀(jì)紅蕾
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中車(chē)工業(yè)研究院有限公司
• 主分類(lèi)號(hào): G06T11/00
• 分類(lèi)號(hào): G06T11/00;G06T3/40;G06V10/80;G06N3/0464;G06N3/084
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 張博

本發(fā)明提供一種圖像重構(gòu)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，包括：獲取待處理圖像；將待處理圖像輸入至圖像重構(gòu)模型，得到圖像重構(gòu)模型輸出的目標(biāo)重構(gòu)圖像；圖像重構(gòu)模型是基于原始圖像集以及各自對(duì)應(yīng)的壓縮圖像進(jìn)行訓(xùn)練得到，壓縮圖像是基于若干個(gè)品質(zhì)因數(shù)參數(shù)對(duì)原始圖像進(jìn)行量化壓縮得到；圖像重構(gòu)模型包括元卷積模塊，元卷積模塊的訓(xùn)練參數(shù)是基于壓縮圖像和品質(zhì)因數(shù)參數(shù)的量化系數(shù)表信息進(jìn)行元學(xué)習(xí)獲得。本發(fā)明通過(guò)基于元學(xué)習(xí)設(shè)計(jì)自適應(yīng)的元卷積模塊，且引入量化系數(shù)表信息，能夠從不同品質(zhì)因數(shù)參數(shù)的量化系數(shù)表信息中生成元卷積模塊的卷積參數(shù)，實(shí)現(xiàn)對(duì)任意QF品質(zhì)因數(shù)參數(shù)下的壓縮圖片瑕疵修復(fù)，有效提高圖像重構(gòu)模型的魯棒性和實(shí)用性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像重構(gòu)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著現(xiàn)代信息技術(shù)和網(wǎng)絡(luò)通信技術(shù)的發(fā)展，在圖像傳輸或預(yù)覽過(guò)程中，由于受制于網(wǎng)絡(luò)傳輸帶寬和物理存儲(chǔ)空間的限制，圖像壓縮幾乎是傳輸或預(yù)覽的必要步驟。JPEG壓縮算法由于壓縮率高、使用簡(jiǎn)便等優(yōu)點(diǎn)，其已經(jīng)成為最廣泛使用的圖像壓縮算法之一。JPEG壓縮算法主要由圖像分塊、顏色空間轉(zhuǎn)換、離散余弦變換、量化和編碼這幾個(gè)過(guò)程組成，其中，量化過(guò)程是壓縮過(guò)程中造成圖像高頻細(xì)節(jié)損失，形成圖像瑕疵的原因。另外地，JPEG壓縮算法在進(jìn)行壓縮之前需要指定品質(zhì)因數(shù)(QF)用以確定壓縮的量化矩陣，其中，QF的值越小，則圖像壓縮比例越大，圖像體積也越小，但是所造成的圖像瑕疵也就越多。

目前，針對(duì)JPEG格式圖像壓縮的瑕疵，可利用深度學(xué)習(xí)的圖像瑕疵去除網(wǎng)絡(luò)進(jìn)行重構(gòu)圖像，然而，基于深度學(xué)習(xí)的圖像瑕疵去除網(wǎng)絡(luò)通常是基于固定品質(zhì)因數(shù)QF生成的壓縮圖像進(jìn)行訓(xùn)練得到，而訓(xùn)練出的模型也只能適用于固定品質(zhì)因數(shù)QF的壓縮圖像上的瑕疵去除，模型的魯棒性和實(shí)用性較低。

發(fā)明內(nèi)容

本發(fā)明提供一種圖像重構(gòu)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，旨在解決由于根據(jù)固定品質(zhì)因數(shù)QF生成的壓縮圖像上進(jìn)行訓(xùn)練得到的模型，只能適用于固定品質(zhì)因數(shù)QF的壓縮圖像上的瑕疵去除，導(dǎo)致模型應(yīng)用的魯棒性和實(shí)用性較低的技術(shù)問(wèn)題。

本發(fā)明提供一種圖像重構(gòu)方法，包括：

獲取待處理圖像；

將所述待處理圖像輸入至圖像重構(gòu)模型，得到所述圖像重構(gòu)模型輸出的目標(biāo)重構(gòu)圖像；

其中，所述圖像重構(gòu)模型是基于原始圖像集以及所述原始圖像集中每一個(gè)原始圖像對(duì)應(yīng)的壓縮圖像進(jìn)行訓(xùn)練得到，所述壓縮圖像是基于若干個(gè)品質(zhì)因數(shù)參數(shù)對(duì)原始圖像進(jìn)行量化壓縮得到；

所述圖像重構(gòu)模型包括元卷積模塊，所述元卷積模塊的訓(xùn)練參數(shù)是基于所述壓縮圖像以及所述品質(zhì)因數(shù)參數(shù)對(duì)應(yīng)的量化系數(shù)表信息進(jìn)行元學(xué)習(xí)獲得。

根據(jù)本發(fā)明提供的一種圖像重構(gòu)方法，所述圖像重構(gòu)模型還包括特征提取模塊；所述將所述待處理圖像輸入至圖像重構(gòu)模型，得到所述圖像重構(gòu)模型輸出的目標(biāo)重構(gòu)圖像，包括：

將所述待處理圖像輸入至所述特征提取模塊，得到所述特征提取模塊輸出的特征提取結(jié)果；

將所述特征提取結(jié)果輸入至所述元卷積模塊，得到所述元卷積模塊輸出的目標(biāo)重構(gòu)圖像。

根據(jù)本發(fā)明提供的一種圖像重構(gòu)方法，所述圖像重構(gòu)模型是基于如下步驟訓(xùn)練得到：

獲取若干張?jiān)紙D像；

基于不同的品質(zhì)因數(shù)參數(shù)，分別對(duì)各所述原始圖像進(jìn)行量化壓縮，得到各所述原始圖像對(duì)應(yīng)的壓縮圖像；

基于各所述壓縮圖像以及各自對(duì)應(yīng)的原始圖像，對(duì)待訓(xùn)練重構(gòu)模型進(jìn)行迭代訓(xùn)練，得到所述圖像重構(gòu)模型。

根據(jù)本發(fā)明提供的一種圖像重構(gòu)方法，在所述基于所述壓縮圖像集以及各自對(duì)應(yīng)的原始圖像，對(duì)所述待訓(xùn)練重構(gòu)模型進(jìn)行迭代訓(xùn)練，得到所述圖像重構(gòu)模型之前，包括：