图片清晰化提升处理方法技术

本发明专利技术公开了一种图片清晰化提升处理方法，包括：获取图片清晰化提升指令；获取清晰化处理模型；响应所述图片清晰化提升指令采用清晰化处理模型对所述目标模糊图片进行去模糊处理，以得到目标清晰图片。本发明专利技术由于用于训练清晰化处理模型的样本图片是根据清晰图片合成的，可以表示真实场景下模糊照片的特征，利用这些样本图片对神经网络模型进行训练得到的清晰化处理模型，可以对模糊图片进行去模糊处理，得到清晰的图片，可以提升图片清晰化处理的效果。

【技术实现步骤摘要】
图片清晰化提升处理方法
本专利技术涉及图片处理
，尤其涉及一种图片清晰化提升处理方法。
技术介绍
在视频采集过程中，通常存在图片模糊现象。造成图片模糊的原因有很多，其中包括光学因素、大气因素、人工因素、技术因素等等，现有技术中，通常采用图片增强、图片复原和超分辨率重构等方法实现图片清晰化处理，但现有技术存在泛化能力较弱，可靠性较差的问题。
技术实现思路
本专利技术实施例提供了一种图片清晰化提升处理方法，可以提升图片的清晰化程度。本专利技术实施例提供的一种图片清晰化提升处理方法，包括：获取针对输入的目标模糊图片的图片清晰化提升指令；获取清晰化处理模型，所述清晰化处理模型利用多个维度的样本图片对神经网络模型进行训练得到，其中，所述样本图片为叠加图片，所述叠加图片为对多张清晰图片进行合成处理得到的模糊图片，所述维度指样本图片的分辨率信息；响应所述图片清晰化提升指令，采用清晰化处理模型对所述目标模糊图片进行去模糊处理，以得到目标清晰图片。优选地，在获取清晰化处理模型之前，所述方法包括：将当前维度初始化为叠加图片的第一图片的维度，将当前模型初始化为所述神经网络模型，将中间图片初始化为所述第一图片，所述第一图片是通过对所述叠加图片进行降采样处理后得到的模糊图片：从所述叠加图片中获取维度为所述当前维度的第一图片；基于所述当前模型对维度为所述当前维度的所述第一图片和所述中间图片进行去模糊处理，得到第二图片，其中，所述第二图片为与所述第一图片关联的清晰图片；对所述第二图片进行放大处理，得到第三图片；采用所述第三图片对所述当前模型进行训练，得到更新后的清晰化处理模型；将所述当前维度进行提升处理，并重复执行上述步骤，直到中间图片的维度与所述叠加图片的维度相同。在本专利技术实施例中，由于用于训练清晰化处理模型的样本图片是根据清晰图片合成的，可以表示真实场景下模糊照片的特征，利用这些样本图片对神经网络模型进行训练得到的清晰化处理模型，可以对模糊图片进行去模糊处理，得到清晰的图片，可以提升图片清晰化处理的效果。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术实施例提供的图片清晰化提升处理方法的流程示意图。具体实施方式根据本专利技术实施例，提供了一种图片清晰化提升处理方法。如图1所示，该图片清晰化提升处理方法包括：S10，获取图片清晰化提升指令，其中，图片清晰化提升指令用于指示对目标模糊图片进行去模糊处理。本实施例中，用户通过执行预定手势对目标模糊图片进行清晰化提升处理，例如用户在获取到不清晰图片之后，通过在图片之上执行“擦拭”操作，终端在检测到用户的手指/手掌与触摸屏的接触，并且确定出所述接触在所述目标模糊图片之上移动之时，确定用户欲对所述图片进行图片清晰化提升操作。除此之外，所述图片清晰化提升指令还可以通过检测用户的语音控制命令或通过在触摸屏上点击专门触控按钮而生成。S20，获取清晰化处理模型，所述清晰化处理模型利用多个维度的样本图片对神经网络模型进行训练得到，其中，所述样本图片为叠加图片，所述叠加图片为对多张清晰图片进行合成处理得到的模糊图片，所述维度指样本图片的分辨率信息。多个维度的样本图片可以是通过对同一张样本图片进行降采样得到的图片，降采样的粒度不同，得到的样本图片的维度也不相同。S30，响应图片清晰化提升指令，采用清晰化处理模型对目标模糊图片进行去模糊处理，以得到目标清晰图片。将目标模糊图片输入到清晰化处理模型中，以便清晰化处理模型对目标模糊图片进行处理，输出目标清晰图片。该清晰化处理模型通过训练神经网络模型得到。训练神经网络模型需要的样本图片是通过多张清晰图片合成的模糊图片，生成的模糊图片对应的清晰图片就是合成模糊图片之前的清晰图片，也就是说，叠加图片可以作为样本图片，通过输入模糊图片并输出清晰图片是清晰化处理模型的训练目标。在得到训练好的清晰化处理模型后，向清晰化处理模型中输入叠加图片后可以输出与叠加图片对应的清晰图片。可选地，在获取利用多个维度的样本图片对神经网络模型进行训练得到的清晰化处理模型之前，还可以从采集的视频数据的帧画面集合中获取连续的多帧清晰图片，其中，帧画面集合为一段视频数据中部分帧画面的集合；对多帧清晰图片进行合并处理，得到模糊的样本图片，例如可以在画板上对所述多帧清晰图片实行错开排布，之后再实行合并处理，以得到所述模糊图片。图片模糊，通常是由于拍摄时相机的运动或者场景中物体的运动。这两种模糊本质上都是由于快门速度过慢导致。在快门打开到关闭的短时间内由于相机的运动或者场景的位移导致了相机内部的图片传感器像素采集的不只是某个固定位置的亮度，而是在这个时刻内相关位置所有亮度的积分。该积分在高速相机拍摄的图片中可以近似为相邻连续图片的求和。这使得利用高速相机模拟真实模糊图片具备了可行性。本实施例采用高速相机来采集高速视频以合成足够的模糊图片。因为训练层数较深的卷积网络需要大量的数据，本实施例获取大量模糊图片进行训练。该模糊图片可以是高速相机在300帧每秒的速度下拍摄的高速视频。本实施例的帧画面集合是高速视频所有帧画面的集合，例如，一个10秒的高速视频，帧画面集合包括300*10＝3000帧画面，每个帧画面就是一个清晰的图片。从帧画面集合中选择连续的多帧清晰图片，该连续的多帧清晰图片可以是在几百毫秒内拍摄得到的图片，几百毫秒内拍摄得到的图片也可以包括几十到几百张清晰图片，可以对这些清晰图片进行合成得到样本图片，也可以对这些清晰图片中的部分图片进行合成得到样本图片。本实施例中，对多帧清晰图片进行合并处理，得到样本图片包括：从多帧清晰图片中随机选择部分图片；对所述部分图片分别针对每个通道进行先求和再取平均的处理，得到一张模糊的图片；将一张模糊的图片作为样本图片。从连续的多帧清晰图片中随机选择部分进行合成，具体方式是对几帧图片进行求和取平均的方法得到模糊图片。在求和时可以对图片的每个通道的数据分别进行求和，然后分别对每个通道的数据进行求平均的处理，求平均后得到的数据可以表示一个生成的模糊图片，即样本图片。随机选择的部分图片可以生成多个模糊图片作为样本图片。本实施例中，由于用于训练清晰化处理模型的样本图片是根据真实拍摄的图片合成的，可以表示真实场景下模糊照片的特征，利用这些样本图片对神经网络模型进行训练得到的清晰化处理模型，可以对模糊图片进行去模糊处理，得到清晰的图片。相比利用卷积核等计算方式来生成模糊图片的方式，避免了生成模糊图片过程中先验假设与真实情况的差距，也就避免了相关技术中生成的模糊图片训练出的清晰化处理模型无法实现去模糊的技术问题，达到了对模糊图片进行去模糊得到清晰图片的技术效果。本实施例中，在获取利用多个维度的样本图片对神经网络模型进行训练得到的清晰化处理模型之前，所述方法还包括如下步骤：将当前维度初始化为叠加图片的第一图片的维度，将当前模型初始化为所述神经网络模型，将中间图片初始化为所述第一图片，所述第一图片是通过对所述叠加图片进行降采样处理后得到的模糊图片：从所述叠加图片中获取维度为所述当前维度的第一图片；基于所述当前模型对维度为所述当前维度的所述第一图片和所述中间图片进行去模糊本文档来自技高网...

【技术保护点】
1.一种图片清晰化提升处理方法，其特征在于，包括：获取针对输入的目标模糊图片的图片清晰化提升指令；获取清晰化处理模型，所述清晰化处理模型利用多个维度的样本图片对神经网络模型进行训练得到，其中，所述样本图片为叠加图片，所述叠加图片为对多张清晰图片进行合成处理得到的模糊图片，所述维度指样本图片的分辨率信息；响应所述图片清晰化提升指令，采用清晰化处理模型对所述目标模糊图片进行去模糊处理，以得到目标清晰图片。

【技术特征摘要】
1.一种图片清晰化提升处理方法，其特征在于，包括：获取针对输入的目标模糊图片的图片清晰化提升指令；获取清晰化处理模型，所述清晰化处理模型利用多个维度的样本图片对神经网络模型进行训练得到，其中，所述样本图片为叠加图片，所述叠加图片为对多张清晰图片进行合成处理得到的模糊图片，所述维度指样本图片的分辨率信息；响应所述图片清晰化提升指令，采用清晰化处理模型对所述目标模糊图片进行去模糊处理，以得到目标清晰图片。2.根据权利要求1所述的模糊图片方法，其特征在于，在获取清晰化处理模型之前，所述方法包括：将当前维度初始化为叠加图片的第一图片的...

【专利技术属性】
技术研发人员：张敏，
申请(专利权)人：建湖云飞数据科技有限公司，
类型：发明
国别省市：江苏,32