【技术实现步骤摘要】
图像处理方法及装置、电子设备和计算机可读存储介质
本公开涉及人工智能
，尤其涉及一种图像处理方法及装置、电子设备和计算机可读存储介质。
技术介绍
在电子图像应用领域，人们经常期望得到高分辨率图像。高分辨率意味着图像中的像素密度高，能够提供更多的细节，而这些细节在许多实际应用中不可或缺。例如，高分辨率医疗图像有助于医生做出正确的诊断；高分辨率卫星图能够帮助科学家从相似物中区别相似的对象；高分辨图像能帮助提高计算机视觉中的模式识别的性能。目前，提高图像分辨率的技术一般分为两种：第一种是通过硬件的改进来提高图像的分辨率，但是改进硬件设备技术较为复杂，所需成本较高；第二种方法是通过软件技术来提高图像的分辨率，但是通过软件技术提高图像的分辨率会因为信息传递导致信息丢失。因此，需要一种新的图像处理方法来提供图像的分辨率。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开实施例提供一种...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取待处理图像；/n通过神经网络模型的目标卷积结构提取所述待处理图像的第一特征信息，所述神经网络模型还包括第一级联结构和多个图像重建通道，不同图像重建通道对应不同的放大倍数；/n通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，并根据所述多个特征图获得第二特征信息，其中不同特征图上的像素点在所述第一特征信息上映射的区域大小不同；/n根据所述第一特征信息和所述第二特征信息，获得融合特征信息；/n在所述多个图像重建通道中确定目标图像重建通道；/n根据所述目标图像重建通道对所述融合特征信息进...
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取待处理图像；
通过神经网络模型的目标卷积结构提取所述待处理图像的第一特征信息，所述神经网络模型还包括第一级联结构和多个图像重建通道，不同图像重建通道对应不同的放大倍数；
通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，并根据所述多个特征图获得第二特征信息，其中不同特征图上的像素点在所述第一特征信息上映射的区域大小不同；
根据所述第一特征信息和所述第二特征信息，获得融合特征信息；
在所述多个图像重建通道中确定目标图像重建通道；
根据所述目标图像重建通道对所述融合特征信息进行处理，获得将所述待处理图像放大目标放大倍数的目标图像。
2.根据权利要求1所述方法，其特征在于，所述第一级联结构包括第一卷积层和第二卷积层；其中，通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，包括：
通过所述第一卷积层对所述第一特征信息进行处理，获得第一特征图；
通过所述第二卷积层对所述第一特征信息和所述第一特征图进行处理，获得第二特征图。
3.根据权利要求2所述方法，其特征在于，所述第一级联结构还包括特征图融合结构；其中，通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，还包括：
所述特征图融合结构对所述第一特征图和所述第二特征图进行处理，获得所述第一特征信息的融合特征图。
4.根据权利要求3所述方法，其特征在于，所述神经网络模型还包括第一卷积结构；其中，根据所述多个特征图获得第二特征信息，包括：
通过所述第一卷积结构对所述融合特征图进行处理，获得所述第二特征信息。
5.根据权利要求1所述方法，其特征在于，所述神经网络模型还包括第二级联结构、第二卷积结构、第三级联结构以及第三卷积结构；其中，根据所述第一特征信息和所述第二特征信息，获得融合特征信息，包括：
通过所述第二级联结构对所述第二特征信息进行处理，获得所述第二特征信息的多个特征图；
通过所述第二卷积结构对所述第二特征信息的多个特征图进行处理，获得第三特征信息；
通过所述第三级联结构对所述第三特征信息进行处理，获得所述第三特诊信息的多个特征图；
通过所述第三卷积结构对所述第三特诊信息的多个特征图进行处理以获得第四特征信息；
根据所述第一特征信息、所述第二特征信息、所述第三特征信息以及所述第四特征信息，获得所述融合特征信息。
6.根据权利要求5所述方法，其特征在于，所述神经网络模型还包括第四卷积结构和像素拼接结构；其中，根据所述第一特征信息、所述第二特征信息、所述第三特征信息以及所述第四特征信息，获得所述融合特征信息，包括：
通过所述第四卷积...
【专利技术属性】
技术研发人员：卓嘉璇，孙钟前，郑瀚，付星辉，尚鸿，
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
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。