一种图像处理方法及装置制造方法及图纸

本申请适用于图像处理的技术领域，提供了一种图像处理方法及装置，所述方法包括：获取待处理图像，将所述待处理图像输入预先训练的神经网络模型中，由所述预先训练的神经网络模型对所述待处理图像进行处理，得到由所述预先训练的神经网络模型输出的目标图像。其中，所述预先训练的神经网络模型中包含根据若干所述降质因素各自对应的目标预设权重和目标权重系数得到的目标卷积层的多模态卷积核，所述多模态卷积核用于提取若干所述降质因素的特征。本申请根据目标预设权重和目标权重系数，得到多模态卷积核。进而调整目标卷积层的运算结果，以改善不同降质因素之间的复原强度，提高了针对若干降质因素的失真图像复原能力。高了针对若干降质因素的失真图像复原能力。高了针对若干降质因素的失真图像复原能力。

【技术实现步骤摘要】
一种图像处理方法及装置


[0001]本申请属于图像处理的
，尤其涉及一种图像处理方法、装置、终端设备以及计算机可读存储介质。

技术介绍

[0002]图像复原是指针对质量降低或失真的图像，恢复其原始的内容或质量的过程。而失真图像往往包含若干类型的降质，比如噪声、模糊以及伪影共存且相互影响。以手机相机所拍摄的图像为例，它往往包含运动模糊、tensor噪声以及压缩伪影等若干降质因素(降质因素是指降低图像质量的因素)，导致的画质低。
[0003]而传统的图像复原方法，对于包含若干降质因素的失真图像复原能力较差。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种图像处理方法、装置、终端设备以及计算机可读存储介质，可以解决传统的图像复原方法，对于包含若干降质因素的失真图像复原能力较差的技术问题。
[0005]本申请实施例的第一方面提供了一种图像处理方法，所述方法包括：
[0006]获取待处理图像，所述待处理图像包括具有若干降质因素的图像；
[0007]将所述待处理图像输入预先训练的神经网络模型本文档来自技高网...

【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：获取待处理图像，所述待处理图像包括具有若干降质因素的图像；将所述待处理图像输入预先训练的神经网络模型中，由所述预先训练的神经网络模型对所述待处理图像进行处理，得到由所述预先训练的神经网络模型输出的目标图像；其中，所述预先训练的神经网络模型中包含根据若干所述降质因素各自对应的目标预设权重和目标权重系数得到的目标卷积层的多模态卷积核，所述多模态卷积核用于提取若干所述降质因素的特征。2.如权利要求1所述的方法，其特征在于，所述神经网络模型包括多个由卷积层和激活函数构成的模块，所述模块包括特征提取模块、特征增强模块以及重建模块，其中，所述特征提取模块和/或所述特征增强模块中包括目标卷积层；所述将所述待处理图像输入预先训练的神经网络模型中，由所述预先训练的神经网络模型对所述待处理图像进行处理，得到由所述预先训练的神经网络模型输出的目标图像，包括：将所述待处理图像经过所述目标卷积层的前置网络层的逐层处理，得到所述目标卷积层的输入；将每种降质因素各自对应的所述目标预设权重和所述目标权重系数相乘，得到多个乘积；将多个所述乘积相加，得到多模态权重，将所述多模态权重作为所述目标卷积层的所述多模态卷积核；通过所述目标卷积层中的多模态卷积核对所述目标卷积层的输入，进行卷积计算，得到后置网络层的输入，并经过所述后置网络层的逐层处理，得到所述目标图像。3.如权利要求1所述的方法，其特征在于，在所述获取待处理图像之前，还包括：获取用户输入的若干所述降质因素各自对应的第一权重系数；获取样本图像对，所述样本图像对包括原始图像以及经过复原处理后的原始图像；根据所述样本图像对，训练待训练的神经网络模型，以调整若干所述降质因素各自对应的第一预设权重以及第一权重系数，得到所述预先训练的神经网络模型，所述预先训练的神经网络模型中包括所述第一预设权重对应的目标预设权重和所述第一权重系数对应的目标权重系数。4.如权利要求3所述的方法，其特征在于，所述根据所述样本图像对，训练待训练的神经网络模型，以调整若干所述降质因素各自对应的第一预设权重以及第一权重系数，得到所述预先训练的神经网络模型，包括：根据所述样本图像对，训练所述待训练的神经网络模型，以调整若干所述降质因素对应的多个所述第一预设权重，得到第一神经网络模型；根据所述样本图像对，训练所述第一神经网络模型，以调整所述第一神经网络模型中所述第一权重系数以及第二预设权重，得到所述预先训练的神经网络模型，所述第二预设权重为所述第一预设权重经过训练后得到的权重。5.如权利要求4所述的方法，其特征在于，所述根据所述样本图像对，训练所述待训练的神经网络模型，以调整若干所...

【专利技术属性】
技术研发人员：王树朋，刘阳兴，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
类型：发明
国别省市：