图像处理方法和装置制造方法及图纸

本申请提供了一种图像处理方法和装置，该方法包括：获取第一图像；通过卷积神经网络的第一图像处理层对该第一图像进行B倍的下采样处理，得到第二图像，该卷积神经网络包括多个图像处理层，该多个图像处理层包括该第一图像处理层，其中，B为大于1的整数；通过该多个图像处理层中的第二图像处理层对该第二图像进行A倍的上采样处理，得到第三图像，其中，A为大于1的整数，且A不等于B。采用本申请提供的图像处理方法和装置，能够实现对图像的非整数倍的上采样或非整数倍的下采样。

Image Processing Method and Device

【技术实现步骤摘要】
图像处理方法和装置
本申请涉及图像处理领域，更具体地，涉及图像处理领域中的图像处理方法和装置。
技术介绍
随着图像处理技术的不断发展，以及人们对图像显示画质要求的不断提升，基于深度学习的卷积神经网络(convolutionalneuralnetwork，CNN)以其局部权值共享的特殊结构，在图像处理领域得到了快速发展，并逐渐成为了行业内一个重要的技术选择。在实际应用中，经常存在需要将图像的分辨率由720逐行扫描(progressive，p)放大至1080p，即需要对图像进行非整数倍的上采样处理，或由1080p缩小至720p的场景，即需要对图像进行非整数倍的下采样处理。然而，目前采用由卷积层构成的卷积神经网络模型，例如有效亚像素卷积神经网络(efficientsub-pixelconvolutionalneuralnetwork，ESPCN)模型、快速超分辨率卷积神经网络(fastsuper-resolutionconvolutionalneuralnetworks，FSRCNN)模型等，能够实现对图像的整数倍(包括倍率为1)上采样，例如图像超分辨率算法。因此，需要提供一种图像处理方法本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：获取第一图像；通过卷积神经网络的第一图像处理层对所述第一图像进行B倍的下采样处理，得到第二图像，所述卷积神经网络包括多个图像处理层，所述多个图像处理层包括所述第一图像处理层，其中，B为大于1的整数；通过所述多个图像处理层中的第二图像处理层对所述第二图像进行A倍的上采样处理，得到第三图像，其中，A为大于1的整数，且A不等于B。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取第一图像；通过卷积神经网络的第一图像处理层对所述第一图像进行B倍的下采样处理，得到第二图像，所述卷积神经网络包括多个图像处理层，所述多个图像处理层包括所述第一图像处理层，其中，B为大于1的整数；通过所述多个图像处理层中的第二图像处理层对所述第二图像进行A倍的上采样处理，得到第三图像，其中，A为大于1的整数，且A不等于B。2.根据权利要求1所述的方法，其特征在于，所述第一图像包括M张第一特征图，所述M张第一特征图中每张第一特征图的高度为H个像素，所述每张第一特征图的宽度为W个像素，H和W为大于1的整数，M为大于0的整数；所述通过卷积神经网络的第一图像处理层对所述第一图像进行B倍的下采样处理，得到第二图像，包括：将所述每张第一特征图划分为互不重叠的(H×W)/B2个图像块，所述(H×W)/B2个图像块中每个图像块的高度为B个像素，所述每个图像块的宽度为B个像素；根据所述(H×W)/B2个图像块，得到B2张第二特征图，所述B2张第二特征图中每张第二特征图的高度为H/B个像素，所述每张第二特征图的宽度为W/B个像素，所述每张第二特征图中的每个像素取自所述(H×W)/B2个图像块中的不同图像块，所述每个像素在所述每张第二特征图中的位置与所述每个像素所属的图像块在所述第一特征图中的位置相关联。3.根据权利要求1所述的方法，其特征在于，所述第一图像包括M张第一特征图，所述M张第一特征图中每张第一特征图的高度为H个像素，所述每张第一特征图的宽度为W个像素，H和W为大于1的整数，M为大于0的整数；所述通过卷积神经网络的第一图像处理层对所述第一图像进行B倍的下采样处理，得到第二图像，包括：通过所述第一图像处理层对所述M张第一特征图进行卷积操作，得到所述第二图像，所述卷积操作在宽度方向和高度方向上的卷积步长均为B，所述卷积操作采用N个卷积核，所述N个卷积核中每个卷积核的高度为K个像素，所述每个卷积核的宽度为J个像素，所述每个卷积核的深度为M个特征图，所述每张第一特征图填充的高度边界为P个像素，所述每张第一特征图填充的宽度边界为P个像素，所述第二图像包括N个第二特征图，所述N个第二特征图中每个第二特征图的高度为个像素，所述每个第二特征图的宽度为个像素，其中，N为大于0的整数，P为大于或等于0的整数，J和K大于或等于B。4.根据权利要求3所述的方法，其特征在于，M、N和B满足以下公式：N≥M×B/2。5.根据权利要求1所述的方法，其特征在于，所述第一图像包括M张第一特征图，所述M张第一特征图中每张第一特征图的高度为H个像素，所述每张第一特征图的宽度为W个像素，H和W为大于1的整数，M为大于0的整数；所述通过卷积神经网络的第一图像处理层对所述第一图像进行B倍的下采样处理，得到第二图像，包括：通过所述第一图像处理层对所述M张第一特征图中每张第一特征图进行池化操作，得到所述第二图像，所述池化操作在宽度方向和高度方向上的池化步长为B，所述池化操作的池化核的高度为B个像素，所述池化核的宽度为B个像素，所述第二图像包括M张第二特征图，所述M张第二特征图中每张第二特征图的高度为H/B个像素，所述每张第二特征图的宽度为W/B个像素。6.根据权利要求1至5中任一项所述的方法，其特征在于，A和B为互质数。7.一种图像处理装置，其特征在于，包括：获取单元，用于获取第一图像；处理单元，用于通过卷积神经网络的第一图像处理层对所述获取单元获取的所述第一图像进行B倍的下采样处理，得到第二图像，所述卷积神经网络包括多...

【专利技术属性】
技术研发人员：杨帆，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44