图像处理模型的训练方法、图像处理方法及相关设备技术

本发明专利技术实施例公开了一种图像处理模型的训练方法、图像处理方法及相关设备；其中，图像处理模型至少包括第一网络和第二网络；训练方法包括：获取用于训练的样本对，样本对包括清晰图像和模糊图像；调用图像处理模型对模糊图像进行清晰度恢复处理，得到恢复图像；根据恢复图像和清晰图像更新图像处理模型中的第一网络的网络参数和/或第二网络的网络参数；第一网络的网络参数与第二网络的网络参数之间满足选择性共享条件，选择性共享条件用于指示第一网络与第二网络之间进行共享的网络参数及用于指示第一网络与第二网络之间相互独立的网络参数；本发明专利技术实施例可更好地对图像处理模型进行训练，优化图像处理模型的去模糊性能，提升模型训练效率。

Training Method, Image Processing Method and Related Equipment of Image Processing Model

【技术实现步骤摘要】
图像处理模型的训练方法、图像处理方法及相关设备
本专利技术涉及互联网
，具体涉及图像处理
，尤其涉及一种图像处理模型的训练方法、一种图像处理方法、一种图像处理模型的训练装置、一种图像处理装置、一种终端及一种计算机存储介质。
技术介绍
图像去模糊是一种重要的图像处理研究方向，其目标是恢复模糊图像中由于模糊而损失的细节信息。随着神经网络模型的研究推进，基于图像处理模型的图像去模糊方法取得了比传统方法更好的效果，所谓的图像处理模型是一种用于对模糊图像进行图像去模糊处理得到清晰图像的神经网络模型。如何通过模型训练得到性能完善的图像处理模型对后续图像去模糊处理的效果尤其重要。现有的模型训练方法中，通常认为模糊图像是由多个不同模糊区域构成的，通过对不同的模糊区域进行卷积模型假设以分别还原出不同区域的清晰图像，从而训练图像处理模型。具体的，需要先将模糊图像分割成不同的区域，再对不同的区域不断地进行迭代卷积核估计和图像反卷积两种操作来逐步优化每个区域的去模糊效果，最后合成去模糊后的各个区域得到完整的清晰图像。专利技术人在实践中发现：由于模糊图像的真实拍摄场景十分复杂，其包括了相机运动、拍本文档来自技高网...

【技术保护点】
1.一种图像处理模型的训练方法，其特征在于，所述图像处理模型至少包括第一网络和第二网络；所述第一网络对应第一尺度，所述第二网络对应第二尺度；所述方法包括：获取用于训练的样本对，所述样本对包括清晰图像和所述清晰图像对应的模糊图像；所述清晰图像的清晰度大于预设阈值，所述模糊图像的清晰度小于所述预设阈值；调用所述图像处理模型对所述模糊图像进行清晰度恢复处理，得到恢复图像；根据所述恢复图像和所述清晰图像更新所述图像处理模型中的所述第一网络的网络参数和/或所述第二网络的网络参数；其中，所述第一网络的网络参数与所述第二网络的网络参数之间满足选择性共享条件，所述选择性共享条件用于指示所述第一网络与所述第二网...

【技术特征摘要】
1.一种图像处理模型的训练方法，其特征在于，所述图像处理模型至少包括第一网络和第二网络；所述第一网络对应第一尺度，所述第二网络对应第二尺度；所述方法包括：获取用于训练的样本对，所述样本对包括清晰图像和所述清晰图像对应的模糊图像；所述清晰图像的清晰度大于预设阈值，所述模糊图像的清晰度小于所述预设阈值；调用所述图像处理模型对所述模糊图像进行清晰度恢复处理，得到恢复图像；根据所述恢复图像和所述清晰图像更新所述图像处理模型中的所述第一网络的网络参数和/或所述第二网络的网络参数；其中，所述第一网络的网络参数与所述第二网络的网络参数之间满足选择性共享条件，所述选择性共享条件用于指示所述第一网络与所述第二网络之间进行共享的网络参数，及用于指示所述第一网络与所述第二网络之间相互独立的网络参数。2.如权利要求1所述的方法，其特征在于，所述网络参数包括特征提取参数及特征变换参数；所述选择性共享条件在用于指示所述第一网络和所述第二网络之间进行共享的网络参数时，具体用于指示所述第一网络的特征变换参数与所述第二网络的特征变换参数为进行共享的网络参数；所述选择性共享条件在用于指示所述第一网络和所述第二网络之间相互独立的网络参数时，具体用于指示所述第一网络的特征提取参数与所述第二网络的特征提取参数为相互独立的网络参数。3.如权利要求2所述的方法，其特征在于，所述网络参数还包括特征重建参数；所述选择性共享条件在用于指示所述第一网络和所述第二网络之间相互独立的网络参数时，还用于指示所述第一网络的特征重建参数与所述第二网络的特征重建参数为相互独立的网络参数。4.如权利要求2所述的方法，其特征在于，所述选择性共享条件在具体用于指示所述第一网络的特征变换参数与所述第二网络的特征变换参数为进行共享的网络参数时，包括：若所述特征变换参数的数量大于1，则所述第一网络的多个特征变换参数与所述第二网络的多个特征变换参数为进行共享的网络参数，且第一网络中的各个特征变换参数为相互独立的网络参数，以及第二网络中的各个特征变换参数为相互独立的网络参数；或者，若所述特征变换参数的数量大于1，则所述第一网络的多个特征变换参数与所述第二网络的多个特征变换参数为进行共享的网络参数，且所述第一网络的各个特征变换参数为进行共享的网络参数，以及所述第二网络的各个特征变换参数为进行共享的网络参数。5.如权利要求1所述的方法，其特征在于，所述调用所述图像处理模型对所述模糊图像进行清晰度恢复处理，得到恢复图像，包括：按照所述第一尺度对所述模糊图像进行下采样处理，得到第一清晰度的模糊图像；调用所述第一网络对所述第一清晰度的模糊图像进行清晰度恢复处理，得到中间图像；按照所述第二尺度对所述模糊图像进行下采样处理，得到第二清晰度的模糊图像；调用所述第二网络根据所述第二清晰度的模糊图像和所述中间图像进行清晰度恢复处理，得到恢复图像。6.如权利要求5所述的方法，其特征在于，所述清晰度恢复处理包括：对图像进行特征提取处理、采用多阶残差函数对特征提取处理后的图像进行特征变换处理、以及对特征变换处理后的图像进行特征重建处理。7.如权利要求1-6任一项所述的方法，其特征在于，所述根据所述恢复图像和所述清晰图像更新所述图像处理模型中的所述第一网络的网络参数和/或所述第二网络的网络参数，包括：获取所述图像处理模型的优化函数；根据所述恢复图像和所述清晰图像确定所述优化函数的值；按照减小所述优化函数的值的原则，更新所述图像处理模型中的所述第一网络的网络参数和/或所述第二网络的网络参数。8.如权利要求1-6任一项所述的方法，其特征在于，所述获取用于训练的样本对，包括：获取用于训练的图像序列帧，所述图像序列帧中包括至少两帧图像；从所述图像序列帧中任意选取一帧图像作为清晰图像，并确定与所述清晰图像相关联的多帧参考图像；...

【专利技术属性】
技术研发人员：高宏运，陶鑫，賈佳亞，戴宇榮，沈小勇，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44