【技术实现步骤摘要】
图像处理方法、装置、设备及计算机可读存储介质
[0001]本申请涉及图像处理技术,尤其涉及一种图像处理方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]目前随着终端技术的发展,图像采集设备的像素越来越高,因此利用图像采集设备采集到的图像或者视频文件的大小也随之增大。为了节省传输带宽、存储空间,JPG压缩技术被广泛应用。在用户对图像进行JPG压缩处理的过程中,会根据网络情况等实际需求采用不同的压缩率将图像进行不同程度的压缩。不同的压缩率会带来不同程度的块状效应、振铃效应和模糊等,导致不同程度的图像质量下降。目前基于深度学习的图像去压缩效应增强算法得到了不错的效果,但是,稳定的网络在去除压缩效应的同时还是会不可避免带来少量细节上的损失。因为简单的利用大范围的JPG压缩系数图片来训练模型,得到一个能够处理不同压缩情况的通用网络,由于网络仅能实现一种确定性映射,因此往往在各个情况下都不能达到最优,落地应用收益太小;而单独分析图像的质量,针对不同压缩情况进行多个网络的训练效率低,资源消耗大,而且对于当前处理的图片,压缩系数情况通常是未知的。
技术实现思路
[0003]本申请实施例提供一种图像处理方法、装置及计算机可读存储介质,能够能够通过自适应的方式确定图像处理的退出阶段,提高图像处理效率。
[0004]本申请实施例的技术方案是这样实现的:本申请实施例提供一种图像处理方法,包括:获取待处理图像,并对该待处理图像进行特征提取,得到该待处理图像的图像特征;基于该图像特征确定控制向量和压缩程度系数 ...
【技术保护点】
【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,并对所述待处理图像进行特征提取,得到所述待处理图像的图像特征;基于所述图像特征确定控制向量和压缩程度系数;基于所述压缩程度系数和训练好的图像增强子模型的模型结构确定所述训练好的图像增强子模型的目标退出阶段;基于所述图像特征和所述控制向量,获取所述训练好的图像增强子模型在达到所述目标退出阶段时的图像处理结果,所述控制向量用于在图像处理过程中调整图像特征的强度;输出所述图像处理结果。2.根据权利要求1中所述的方法,其特征在于,在所述获取待处理图像,并对所述待处理图像进行特征提取,得到所述待处理图像的图像特征之前,所述方法还包括:获取训练好的图像处理模型,所述训练好的图像处理模型包括:训练好的特征提取子模型、训练好的压缩估计子模型和训练好的图像增强子模型;所述对所述待处理图像进行特征提取,得到所述待处理图像的图像特征,包括:利用所述训练好的特征提取子模型,对所述待处理图像进行特征提取,得到图像特征;所述基于所述图像特征确定控制向量和压缩程度系数,包括:将所述图像特征输入所述训练好的压缩估计子模型,得到所述控制向量和所述压缩程度系数。3.根据权利要求2中所述的方法,其特征在于,所述利用所述训练好的特征提取子模型,对所述待处理图像进行特征提取,得到图像特征,包括:获取所述训练好的特征提取子模型的第一卷积层对应的第一卷积核、第二卷积核和第三卷积核,其中,所述第一卷积核、所述第二卷积核和所述第三卷积核的维度互不相同;分别利用所述第一卷积核、所述第二卷积核和所述第三卷积核对所述待处理图像进行卷积处理,得到第一卷积结果、第二卷积结果和第三卷积结果;对所述第一卷积结果、所述第二卷积结果和所述第三卷积结果进行拼接处理,得到拼接结果;通过所述训练好的特征提取子模型中的第二卷积层对所述拼接结果再进行至少一次卷积处理,得到所述待处理图像的图像特征。4.根据权利要求2中所述的方法,其特征在于,所述训练好的压缩估计子模型至少包括第三卷积层、池化层和全连接层,所述将所述图像特征输入所述训练好的压缩估计子模型,得到所述控制向量和所述压缩程度系数,包括:利用所述第三卷积层对所述图像特征进行卷积处理,得到第四卷积结果;利用所述池化层对所述第四卷积结果进行池化处理,得到池化结果;将所述池化结果确定为所述控制向量;利用所述全连接层将所述池化结果进行全连接处理,得到所述压缩程度系数。5.根据权利要求1中所述的方法,其特征在于,所述基于所述压缩程度系数和训练好的图像增强子模型的模型结构确定所述训练好的图像增强子模型的目标退出阶段,包括:基于所述训练好的图像增强子模型的模型结构确定所述训练好的图像增强子模型的处理阶段总数;
基于所述处理阶段总数确定各个处理阶段对应的各个压缩阈值范围;从各个压缩阈值范围中确定所述压缩程度系数所处的目标压缩阈值范围;将所述目标压缩阈值范围对应的处理阶段确定为所述训练好的图像增强子模型的目标退出阶段。6.根据权利要求1中所述的方法,其特征在于,所述基于所述图像特征和所述控制向量,获取所述训练好的图像增强子模型在达到所述目标退出阶段时的图像处理结果,包括:基于所述训练好的图像增强子模型的模型结构和所述目标退出阶段,确定所述目标退出阶段对应的目标图像增强网络结构;将所述图像特征和所述控制向量输入至所述目标图像增强网络结构,得到所述图像处理结果。7...
【专利技术属性】
技术研发人员:陈艺云,陈铭良,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
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。