【技术实现步骤摘要】
图像处理方法及装置、电子设备和存储介质
[0001]本公开涉及计算机视觉
，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
技术介绍
[0002]随着信息技术的发展，图像采集和图像共享已经变得无处不在。在图像数据过于庞大的情况下，对图像数据的存储、传输、处理过程会比较困难，因此，对图像数据的有效压缩就显得尤为重要。
[0003]基于深度学习的图像压缩技术在近年来取得较大进展，压缩效果已经超过H.265甚至H.266的帧内编码。针对图像压缩网络模型的训练，往往需要指定描述画质保真度的损失函数，在网络模型的训练过程中损失函数会保持不变，然而，指定的损失函数只能部分代表人的主观感受，在压缩率较高时会造成不同类型的视觉失真。
技术实现思路
[0004]本公开提出了一种图像处理方法及装置、电子设备和存储介质。
[0005]根据本公开的一方面，提供了一种图像处理方法，所述方法包括：对待处理图像进行压缩处理，得到所述待处理图像的第一压缩结果；对所述第一压缩结果进行重建处理，得到所述待处理图像的重...
【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，所述方法包括：对待处理图像进行压缩处理，得到所述待处理图像的第一压缩结果；对所述第一压缩结果进行重建处理，得到所述待处理图像的重建图像；其中，所述图像处理方法是通过图像处理网络实现的，所述图像处理网络是通过奖励函数自动调整损失函数的训练方法得到的，所述图像处理网络的损失函数包括多个子损失函数，所述奖励函数用于在训练过程中调整所述多个子损失函数的权重。2.根据权利要求1所述的方法，其特征在于，所述奖励函数包括第一函数及多个第二函数，所述第一函数用于指示所述图像处理网络的编码码率的偏差；所述第二函数用于指示所述图像处理网络的画质指标的偏差。3.根据权利要求1或2所述的方法，其特征在于，所述对待处理图像进行压缩处理，得到所述待处理图像的第一压缩结果，包括：对所述待处理图像进行编码，得到所述待处理图像的第一图像特征；对所述第一图像特征进行量化，得到所述待处理图像的量化数据及量化分布信息；对所述量化数据进行熵编码，得到所述待处理图像的压缩码流，所述第一压缩结果包括所述压缩码流及所述量化分布信息。4.根据权利要求1
‑
3中任意一项所述的方法，其特征在于，所述对所述第一压缩结果进行重建处理，得到所述待处理图像的重建图像，包括：对所述第一压缩结果进行熵解码，得到第二图像特征；对所述第二图像特征进行解码，得到所述待处理图像的重建图像。5.根据权利要求1
‑
4中任意一项所述的方法，其特征在于，所述方法还包括：根据训练集及验证集对所述图像处理网络进行训练，得到训练后的图像处理网络；其中，所述根据所述训练集及所述验证集对所述图像处理网络进行训练，得到训练后的图像处理网络，包括：对于第t轮训练，将所述训练集中的第一样本图像分别输入第(t
‑
1)轮训练的B个图像处理网络中处理，得到所述第一样本图像的B个第一处理结果，t、B为大于1的整数；根据所述第一样本图像、所述B个第一处理结果，以及第t轮训练的B个损失函数，分别对所述第(t
‑
1)轮训练的B个图像处理网络进行训练，得到第t轮训练的B个图像处理网络；在第t轮训练的B个图像处理网络满足训练条件的情况下，根据所述第t轮训练的B个图像处理网络，确定训练后的图像处理网络。6.根据权利要求5所述的方法，其特征在于，所述根据所述训练集及所述验证集对所述图像处理网络进行训练，得到训练后的图像处理网络，还包括：对于第t轮训练，将所述验证集中的第二样本图像分别输入所述第t轮训练的B个图像处理网络中处理，得到所述第二样本图像的B个第二处理结果；根据所述第二样本图像、所述B个第二处理结果及所述奖励函数，分别确定与所述第t轮训练的B个图像处理网络对应的第(t+1)轮训练的B个自适应策略；根据所述第(t+1)轮训练的B个自适应策略，分别确定所述损失函数的多个子损失函数的权重，得到第(t+1)轮训练的B个损失函数。7.根据权利要求5所述的方法，其特征在于，所述根据所述第一样本图像、所述B个第一处理结果，以及第t轮训练的B个损失函数，分别对所述第(t
‑
1)轮训练的B个图像处理网...
【专利技术属性】
技术研发人员：王岩，孙保成，何岱岚，顾檬，秦红伟，
申请(专利权)人：北京市商汤科技开发有限公司，
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。