The present application relates to the field of image processing technology, in particular to an image processing method, an electronic device and a computer readable medium. The image processing method includes acquiring the image to be processed and the target style of the image, the image to be processed is a second resolution image, and inputting the image to be processed and the target style into the preset image processing neural network. Through image processing, the target image of the target style is obtained, which is the first resolution level image, in which the resolution of the first resolution level image is higher than that of the second resolution level image. By introducing the preset image processing neural network to process the processed image, the high-resolution image with the target style is obtained. Compared with the existing image processing methods, the processing efficiency is improved, and the output of high-resolution image is realized, and the user's experience is improved.
【技术实现步骤摘要】
图像处理方法、装置、电子设备及计算机可读存储介质
本申请涉及图像处理
,特别是涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
技术介绍
深度学习技术在过去几年中取得了突飞猛进的发展。一些巨头企业投入了巨大资本和人力进行深度学习技术研究,不断推出其特有的产品和技术。其他很多企业也在不断进军深度学习领域,并取得了一定的成果。深度学习技术在类人类数据感知领域取得了突破性的进展,例如描述图像内容、识别图像中的复杂环境下的物体以及在嘈杂环境中进行语音识别。同时,现有的深度学习技术还可以解决图像生成和融合的问题,但如何融合出具有高分辨率的图像是当下亟待解决的技术问题。
技术实现思路
本申请提供了一种图像处理方法、装置、电子设备及计算机可读存储介质,以将待处理的图像通过图像处理,得到高分辨率的图像。所述技术方案如下:第一方面,提供了一种图像处理方法,包括:获取待处理的图像及图像的目标风格,所述待处理的图像为第二分辨率级别图像;将所述待处理的图像及所述目标风格输入预设的图像处理神经网络进行图像处理,得到目标风格的目标图像,所述目标图像为第一分辨率级别图像;其中,第一分辨率级别图像的分辨率高于第二分辨率级别图像的分辨率。第二方面,提供了一种图像处理装置,包括:获取单元,用于获取待处理的图像及图像的目标风格,所述待处理的图像为第二分辨率级别图像;第一处理单元,用于将所述待处理的图像及所述目标风格输入预设的图像处理神经网络进行图像处理,得到目标风格的目标图像,所述目标图像为第一分辨率级别图像;其中,第一分辨率级别图像的分辨率高于第二分辨率级别图像的分辨率。第三方面 ...
【技术保护点】
1.一种图像处理方法,其特征在于,包括:获取待处理的图像及图像的目标风格,所述待处理的图像为第二分辨率级别图像;将所述待处理的图像及所述目标风格输入预设的图像处理神经网络进行图像处理,得到目标风格的目标图像,所述目标图像为第一分辨率级别图像;其中,第一分辨率级别图像的分辨率高于第二分辨率级别图像的分辨率。
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:获取待处理的图像及图像的目标风格,所述待处理的图像为第二分辨率级别图像;将所述待处理的图像及所述目标风格输入预设的图像处理神经网络进行图像处理,得到目标风格的目标图像,所述目标图像为第一分辨率级别图像;其中,第一分辨率级别图像的分辨率高于第二分辨率级别图像的分辨率。2.如权利要求1所述方法,其特征在于,将所述待处理的图像及所述目标风格输入预设的图像处理神经网络进行图像处理之前,还包括:获取样本数据,所述样本数据包括待训练的图像;基于所述样本数据对神经网络进行训练,得到训练后的图像处理神经网络。3.如权利要求2所述方法,其特征在于,基于所述样本数据对神经网络进行训练,得到训练后的图像处理神经网络,包括:基于所述样本数据中待训练的图像在所述神经网络中进行处理,得到与所述待训练的图像对应的第一分辨率级别图像和第二分辨率级别图像;利用损失函数对所述第一分辨率级别图像和所述第二分辨率级别图像进行计算,得到对应的总损失;基于所述总损失对所述神经网络进行训练,得到训练后的图像处理神经网络。4.如权利要求3所述方法,其特征在于,利用损失函数对所述第一分辨率级别图像和所述第二分辨率级别图像进行计算,得到对应的总损失,包括:基于所述第二分辨率级别图像对所述第一分辨率级别图像进行分辨率调整,得到与所述第二分辨率级别图像的分辨率相同的第三分辨率级别图像;计算所述第二分辨率级别图像与所述第三分辨率级别图像的相似度,得到对应的相似度值;基于预先配置的特征信息与所述相似度值,通过所述损失函数进行计算,得到对应的总损失。5.如权利要求4所述方法,其特征在于,所述预先配置的特征信息包括待训练的图像对应的第一特征信息以及第二级别分辨率图像对应的第二特征信息,其中,所述第一特征信息与所述第二特征信息的确定方法,包括:将所述待训练的图像输入预设的分析神经网络进行处理,得到待训练的图像对应的第一特征信息;将所述第二分辨率级别图像输入预设的分析神经网络进行处理,得到第二分辨率级别图像对应的第二特征信息。6.如权利要求5所述方法,其特征在于,所述第一特征信息包括待训练的图像对应的内容特征信息和风格特征信息;所述第二特征信息包括第二分辨率级别图像对应的内容特征信息和风格特征信息。7.如权利要求3-6中任一项所述方法,其特征在于,基于所述总损失对所述神经网络进行训练,得到训练后的图像处理神经网络,包括:基于所述总损失调整所述神经网络的相应参数,以使得到训练后的图像处理神经网络。8.一种图像处理装置,其特征在于,包括:获取单元,用于获取待处理的图像及图像的目标风格,所述待处理的...
【专利技术属性】
技术研发人员:刘瀚文,那彦波,张丽杰,朱丹,
申请(专利权)人:京东方科技集团股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。