一种图像处理方法及计算设备技术

技术编号:21480190 阅读:31 留言:0更新日期:2019-06-29 05:23
本发明专利技术公开了一种图像处理方法及计算设备,其中方法包括步骤:获取与原始图像对应的低分辨率图像;将低分辨率图像与原始图像作为输入图像输入到图像处理机器学习模型组件中,获取相较于所述原始图像具有更高分辨率且更丰富的细节信息的高分辨率完整图像,其中,该图像处理机器学习模型组件利用预先获取的多组图像集进行训练得到,多组图像集包括高分辨率完整图像集、高分辨率图像集以及低分辨率图像集。

【技术实现步骤摘要】
一种图像处理方法及计算设备
本专利技术涉及计算机
,特别涉及一种图像处理方法及计算设备。
技术介绍
近年来,利用引导图的引导滤波方法在执行图像滤波时,既可保持图像边缘性又可使图像的纹理部分与引导图近似,因此在图像增强、图像抠图、图像去雾等场景中大受欢迎。基于此,提出一种利用引导滤波单元与卷积神经网络耦合的图像处理方法(例如,深度引导滤波),该方法可引入引导滤波网络形成深度引导滤波网络,从而可将高分辨率图像作为低分辨率图像的引导图并输出高分辨图像。但这种方法的图像处理结果存在图像细节丢失、图像过于平滑等问题。因此,需要一种图像处理效果更好(例如,图像细节丰富并且图像不会过于平滑)的技术方案。
技术实现思路
为此,本专利技术提供一种图像处理方法及计算设备,以力图解决或者至少缓解上面存在的至少一个问题。根据本专利技术的一个方面,提供了一种图像处理方法,适于在计算设备中执行,该方法包括如下步骤:获取与原始图像对应的低分辨率图像;将所述低分辨率图像与所述原始图像作为输入图像输入到图像处理机器学习模型组件中,获取相较于所述原始图像具有更高分辨率且更丰富的细节信息的高分辨率完整图像,其中,所述图本文档来自技高网...

【技术保护点】
1.一种图像处理方法,适于在计算设备中执行,所述方法包括步骤:获取与原始图像对应的低分辨率图像;将所述低分辨率图像与所述原始图像作为输入图像输入到图像处理机器学习模型组件中,获取相较于所述原始图像具有更高分辨率且更丰富的细节信息的高分辨率完整图像,其中,所述图像处理机器学习模型组件利用预先获取的多组图像集进行训练得到,其中,所述多组图像集包括高分辨率完整图像集、高分辨率图像集以及低分辨率图像集。

【技术特征摘要】
1.一种图像处理方法,适于在计算设备中执行,所述方法包括步骤:获取与原始图像对应的低分辨率图像;将所述低分辨率图像与所述原始图像作为输入图像输入到图像处理机器学习模型组件中,获取相较于所述原始图像具有更高分辨率且更丰富的细节信息的高分辨率完整图像,其中,所述图像处理机器学习模型组件利用预先获取的多组图像集进行训练得到,其中,所述多组图像集包括高分辨率完整图像集、高分辨率图像集以及低分辨率图像集。2.如权利要求1所述的方法,其中,所述图像处理机器学习模型组件是通过深度引导滤波组件与残差卷积神经网络组件耦合生成的。3.如权利要求2所述的方法,其中,将所述低分辨率图像与所述原始图像作为输入图像输入到图像处理机器学习模型组件中,获取相较于所述原始图像具有更高分辨率且更丰富的细节信息的高分辨率完整图像的步骤包括:将所述低分辨率图像与所述原始图像输入到深度引导滤波组件,获取与所述原始图像对应的输出图像;将所述输出图像输入到残差卷积神经网络组件,获取高分辨率完整图像。4.如权利要求2所述的方法,其中,所述图像处理机器学习模型组件利用预先获取的多组图像集进行训练得到,包括步骤:利用所述多组图像集对所述深度引导滤波组件以及所述残差卷积神经网络组件进行协同训练,从而实现使所述图像处理机器学习模型组件训练完成。5.如权利要求4所述的方法,其中,利用所述多组图像集对所述图像处理机器学习模型组件进行训练的步骤包括:获取高分辨率完整图像集、高分辨率图像集以及低分辨率图像集;构建所述图像处理机...

【专利技术属性】
技术研发人员:陈裕潮李志阳李启东周子健张伟
申请(专利权)人:厦门美图之家科技有限公司
类型:发明
国别省市:福建,35

网友询问留言 已有0条评论
  • 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。

1