【技术实现步骤摘要】
图像复原方法及装置、计算机可读存储介质
本专利技术实施例涉及图像处理
，尤其涉及一种图像复原方法及装置、计算机可读存储介质。
技术介绍
图像压缩方法分为有损压缩和无损压缩，有损压缩通常会有更高的压缩比，但图像的信息在压缩后会有所丢失，图像压缩后丢失的信息主要包括一些人眼不敏感的高频信息。图像信息丢失的副作用是引入了一些在源图像中不存在的、引起图像质量降低的图像特征，这些图像特征称为人工效应。人工效应主要包括块(block)效应、振铃(ring)效应、条带(band)效应。为了得到清晰度较高的图像，通常对压缩后的降质图像进行复原。现有技术，在降质图像复原过程中，一般可以有效的去除块效应、振铃效应，但是相对比较困难地能够去除条带效应。为了能够提高降质图像中的条带效应的处理效果，通过增加神经网络模型的层数，来提高条带效应的处理效果。然而，随着神经网络模型的层数的增加，算法的复杂度也会随之明显提高，对移动设备的处理能力要求较高，导致难以在计算能力有限的移动设备上实现。综上，现有技术对降质图像进行复原时，...
【技术保护点】
1.一种图像复原方法，其特征在于，包括：/n获取降质图像；/n将所述降质图像输入至预设的图像复原模型，所述图像复原模型基于全卷积网络训练得到；/n采用所述图像复原模型对所述降质图像进行图像复原，得到复原图像；/n其中，采用所述图像复原模型对所述降质图像进行图像复原包括：/n对所述降质图像进行卷积，分别得到若干个不同尺度的特征图像，所述若干个不同尺度的特征图像包括：第一尺度的第一特征图像、第二尺度的第二特征图像，其中，所述第二尺度大于所述第一尺度，得到所述第二特征图像所采用的卷积层中至少一个卷积层的步长大于1；/n基于所述若干个不同尺度的特征图像进行级联，得到级联后的特征图像...
【技术特征摘要】
1.一种图像复原方法，其特征在于，包括：
获取降质图像；
将所述降质图像输入至预设的图像复原模型，所述图像复原模型基于全卷积网络训练得到；
采用所述图像复原模型对所述降质图像进行图像复原，得到复原图像；
其中，采用所述图像复原模型对所述降质图像进行图像复原包括：
对所述降质图像进行卷积，分别得到若干个不同尺度的特征图像，所述若干个不同尺度的特征图像包括：第一尺度的第一特征图像、第二尺度的第二特征图像，其中，所述第二尺度大于所述第一尺度，得到所述第二特征图像所采用的卷积层中至少一个卷积层的步长大于1；
基于所述若干个不同尺度的特征图像进行级联，得到级联后的特征图像；
对所述级联后的特征图像进行特征融合，得到融合后的特征图像；
基于所述融合后的特征图像进行复原，得到所述复原图像。
2.如权利要求1所述的图像复原方法，其特征在于，所述若干个不同尺度的特征图像，还包括：第三尺度的第三特征图像，所述第三尺度大于所述第二尺度。
3.如权利要求2所述的图像复原方法，其特征在于，所述对所述降质图像进行卷积，分别得到若干个不同尺度的特征图像，包括：
采用步长为1的第1至n个卷积层对所述降质图像进行卷积，得到所述第一尺度的第一特征图像；
所述第一特征图像经由第n+1至n+i个卷积层依次卷积之后，采用像素重组方式对第n+i个卷积层输出的特征图像进行P倍上采样，得到所述第二尺度的第二特征图像，其中，所述第二特征图像与所述第一特征图像的分辨率相同，P为从所述第n+1至n+i个卷积层的所有卷积层的步长的乘积，i≥1，P≥2，且i、P均为正整数；
所述第n+i个卷积层输出的特征图像经由第n+i+1至第n+i+m个卷积层进行卷积之后，采用像素重组方式对第n+i+m个卷积层输出的特征图像进行Q倍上采样，得到所述第三尺度的第三特征图像，其中，所述第三特征图像与所述第一特征图像的分辨率相同，Q为第n+1至第n+i+m个卷积层的所有卷积层的步长的乘积，其中m≥1，Q＞P≥2，且m、Q均为正整数。
4.如权利要求3所述的图像复原方法，其特征在于，P＝2，Q＝4。
5.如权利要求3或4所述的图像复原方法，其特征在于，n＝3，i＝m＝2。
6.一种图像复原装置，其特征在于，包括：
获取单元，适于获取降质图像；
输入单元，适于将所述降质图像输入至预设的图像复原模型，所述图像复原模型基于全卷积网络训练得到；
图...
【专利技术属性】
技术研发人员：郭春磊，李荣，罗小伟，林福辉，
申请(专利权)人：展讯通信天津有限公司，
类型：发明
国别省市：天津;12
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。