图像处理方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种图像处理方法、装置、设备及存储介质，属于计算机技术领域。方法包括：调用图像处理模型中的特征提取网络，对第一样本图像和第二样本图像分别进行特征提取，得到第一样本图像特征和第二样本图像特征；调用图像处理模型中的图像重构网络，对任一样本图像特征进行图像重构，得到第三样本图像；基于第三样本图像与第一样本图像之间的第一相似度，以及第一样本图像特征与第二样本图像特征之间的第二相似度，训练图像处理模型；调用图像处理模型，对任一图像进行去模糊处理。上述方法使得模型能够基于两种清晰度不同的图像，学会从图像中提取不受模糊影响的图像特征，基于该图像特征重构更清晰的图像，提高了模型的去模糊效果。

【技术实现步骤摘要】
图像处理方法、装置、设备及存储介质
本申请涉及计算机
，特别涉及一种图像处理方法、装置、设备及存储介质。
技术介绍
在日常生活当中的很多场景下需要使用电子设备拍摄图像，在进行拍摄时，常常因为电子设备抖动或者被拍摄物体的运动而导致拍摄出来的图像模糊，达不到用户对图像的清晰度要求。在此情况下，可以将拍摄的模糊图像输入到图像处理模型，通过图像处理模型对该模糊图像进行去模糊处理，以得到清晰的图像。然而，相关技术中的图像处理模型的去模糊效果差。
技术实现思路
本申请实施例提供了一种图像处理方法、装置、设备及存储介质，能够提高图像处理模型的去模糊效果。所述技术方案如下：一方面，提供了一种图像处理方法，所述方法包括：调用图像处理模型中的特征提取网络，对第一样本图像和第二样本图像分别进行特征提取，得到第一样本图像特征和第二样本图像特征，所述第一样本图像与所述第二样本图像包含的内容相同，且所述第一样本图像的清晰度大于所述第二样本图像的清晰度；调用所述图像处理模型中的图像重构网络，对得到的任一样本图像特征进行图像重构，得到第三样本图像；基于所述第三样本图像与所述第一样本图像之间的第一相似度，以及所述第一样本图像特征与所述第二样本图像特征之间的第二相似度，训练所述图像处理模型；调用训练后的所述图像处理模型，对任一图像进行去模糊处理。在一种可能的实现方式中，所述调用训练后的所述图像处理模型，对任一图像进行去模糊处理，包括：调用所述特征提取网络，对第一目标图像进行特征提取，得到第一目标图像特征；调用所述图像重构网络，对所述第一目标图像特征进行图像重构，得到第二目标图像。在一种可能的实现方式中，所述特征提取网络包括第一特征提取层和第二特征提取层，所述调用所述特征提取网络，对第一目标图像进行特征提取，得到第一目标图像特征，包括：调用所述第一特征提取层，对所述第一目标图像进行特征提取，得到第二目标图像特征；调用所述第二特征提取层，对所述第二目标图像特征进行去噪处理，得到所述第一目标图像特征。在一种可能的实现方式中，所述调用所述图像重构网络，对所述第一目标图像特征进行图像重构，得到第二目标图像，包括：调用所述图像重构网络，对所述第一目标图像特征进行等比例的图像重构，得到所述第二目标图像，所述第二目标图像与所述第一目标图像的尺寸相等。另一方面，提供了一种图像处理装置，所述装置包括：特征提取模块，用于调用图像处理模型中的特征提取网络，对第一样本图像和第二样本图像分别进行特征提取，得到第一样本图像特征和第二样本图像特征，所述第一样本图像与所述第二样本图像包含的内容相同，且所述第一样本图像的清晰度大于所述第二样本图像的清晰度；图像重构模块，用于调用所述图像处理模型中的图像重构网络，对得到的任一样本图像特征进行图像重构，得到第三样本图像；模型训练模块，用于基于所述第三样本图像与所述第一样本图像之间的第一相似度，以及所述第一样本图像特征与所述第二样本图像特征之间的第二相似度，训练所述图像处理模型；模糊处理模块，用于调用训练后的所述图像处理模型，对任一图像进行去模糊处理。在一种可能的实现方式中，所述特征提取网络包括第一特征提取层和第二特征提取层，所述特征提取模块，用于调用所述第一特征提取层，对所述第一样本图像和所述第二样本图像分别进行特征提取，得到第三样本图像特征和第四样本图像特征；在所述第三样本图像特征和所述第四样本图像特征中分别加入噪声；调用所述第二特征提取层，对加入噪声后的所述第三样本图像特征和所述第四样本图像特征分别进行去噪处理，得到所述第一样本图像特征和所述第二样本图像特征。在一种可能的实现方式中，所述模型训练模块，包括：总相似度确定单元，用于确定总相似度，所述总相似度为所述第一相似度与所述第二相似度的和；模型训练单元，用于基于所述总相似度，训练所述图像处理模型。在一种可能的实现方式中，所述模型训练单元，包括：损失值确定子单元，用于基于所述总相似度，确定所述图像处理模型的损失值，所述损失值与所述总相似度呈负相关关系；参数调整子单元，用于调整所述图像处理模型的参数，以使基于调整后的所述图像处理模型获取的所述损失值变小。在一种可能的实现方式中，所述损失值确定子单元，用于将目标参数与所述总相似度的差值确定为所述损失值。在一种可能的实现方式中，所述损失值确定子单元，用于将所述任一样本图像特征的泛数与所述总相似度的差值确定为所述损失值，所述泛数表示所述任一样本图像特征的大小。在一种可能的实现方式中，所述第一样本图像与所述第二样本图像的尺寸相等，所述图像重构模块，用于调用所述图像重构网络，对所述任一样本图像特征进行等比例的图像重构，得到所述第三样本图像，所述第三样本图像与所述第一样本图像的尺寸相等。在一种可能的实现方式中，所述模糊处理模块，包括：特征提取单元，用于调用所述特征提取网络，对第一目标图像进行特征提取，得到第一目标图像特征；图像重构单元，用于调用所述图像重构网络，对所述第一目标图像特征进行图像重构，得到第二目标图像。在一种可能的实现方式中，所述特征提取网络包括第一特征提取层和第二特征提取层，所述特征提取单元，用于调用所述第一特征提取层，对所述第一目标图像进行特征提取，得到第二目标图像特征；调用所述第二特征提取层，对所述第二目标图像特征进行去噪处理，得到所述第一目标图像特征。在一种可能的实现方式中，所述图像重构单元，用于调用所述图像重构网络，对所述第一目标图像特征进行等比例的图像重构，得到所述第二目标图像，所述第二目标图像与所述第一目标图像的尺寸相等。另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述计算机程序由所述处理器加载并执行以实现上述任一种可能实现方式中的图像处理方法中执行的操作。另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述计算机程序由处理器加载并执行以实现上述任一种可能实现方式中的图像处理方法中执行的操作。再一方面，提供了一种计算机程序产品或计算机程序，所述计算机程序产品或所述计算机程序包括计算机程序，所述计算机程序存储在计算机可读存储介质中。计算机设备的处理器从所述计算机可读存储介质读取所述计算机程序，所述处理器执行所述计算机程序，使得所述计算机设备执行上述各种可选实现方式中的图像处理方法中执行的操作。本申请实施例提供的技术方案带来的有益效果至少包括：在本申请实施例中，由于第一样本图像和第二样本图像包含的内容相同，但清晰度不同，因此在训练图像处理模型时，调用图像处理模型对这两种图像分别进行特征提取，使得模型能够基于提取的两种图像特征之间的相似度，以及提取的特征转换出的图像与第一样本图像的相似度，调整从图像中提取的特征，从而能够学会从图像中提取不受模本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：/n调用图像处理模型中的特征提取网络，对第一样本图像和第二样本图像分别进行特征提取，得到第一样本图像特征和第二样本图像特征，所述第一样本图像与所述第二样本图像包含的内容相同，且所述第一样本图像的清晰度大于所述第二样本图像的清晰度；/n调用所述图像处理模型中的图像重构网络，对得到的任一样本图像特征进行图像重构，得到第三样本图像；/n基于所述第三样本图像与所述第一样本图像之间的第一相似度，以及所述第一样本图像特征与所述第二样本图像特征之间的第二相似度，训练所述图像处理模型；/n调用训练后的所述图像处理模型，对任一图像进行去模糊处理。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：
调用图像处理模型中的特征提取网络，对第一样本图像和第二样本图像分别进行特征提取，得到第一样本图像特征和第二样本图像特征，所述第一样本图像与所述第二样本图像包含的内容相同，且所述第一样本图像的清晰度大于所述第二样本图像的清晰度；
调用所述图像处理模型中的图像重构网络，对得到的任一样本图像特征进行图像重构，得到第三样本图像；
基于所述第三样本图像与所述第一样本图像之间的第一相似度，以及所述第一样本图像特征与所述第二样本图像特征之间的第二相似度，训练所述图像处理模型；
调用训练后的所述图像处理模型，对任一图像进行去模糊处理。


2.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括第一特征提取层和第二特征提取层，所述调用图像处理模型中的特征提取网络，对第一样本图像和第二样本图像分别进行特征提取，得到第一样本图像特征和第二样本图像特征，包括：
调用所述第一特征提取层，对所述第一样本图像和所述第二样本图像分别进行特征提取，得到第三样本图像特征和第四样本图像特征；
在所述第三样本图像特征和所述第四样本图像特征中分别加入噪声；
调用所述第二特征提取层，对加入噪声后的所述第三样本图像特征和所述第四样本图像特征分别进行去噪处理，得到所述第一样本图像特征和所述第二样本图像特征。


3.根据权利要求1所述的方法，其特征在于，所述基于所述第三样本图像与所述第一样本图像之间的第一相似度，以及所述第一样本图像特征与所述第二样本图像特征之间的第二相似度，训练所述图像处理模型，包括：
确定总相似度，所述总相似度为所述第一相似度与所述第二相似度的和；
基于所述总相似度，训练所述图像处理模型。


4.根据权利要求3所述的方法，其特征在于，所述基于所述总相似度，训练所述图像处理模型，包括：
基于所述总相似度，确定所述图像处理模型的损失值，所述损失值与所述总相似度呈负相关关系；
调整所述图像处理模型的参数，以使基于调整后的所述图像处理模型获取的所述损失值变小。


5.根据权利要...

【专利技术属性】
技术研发人员：张凯皓，罗文寒，刘威，
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