本申请提供了一种图像处理模型的模糊核确定方法、装置、设备及存储介质，该方法包括：获取原图像以及与原图像对应的模糊图像；根据原图像、模糊图像、初始模糊核，计算中间图像；根据中间图像和原图像，更新初始模糊核中的内容；若更新初始模糊核内容的次数小于预置更新次数，则在更新初始模糊核内容的基础上更新模糊核尺寸；根据原图像、模糊图像、更新完内容和尺寸的初始模糊核，计算中间图像；若更新初始模糊核内容的次数等于预置更新次数，将更新完内容的初始模糊核确定为图像处理模型的模糊核。通过本申请的方式，能够通过获取一张原图像以及与原图像对应的模糊图像，确定出图像处理模型的模糊核。理模型的模糊核。理模型的模糊核。
【技术实现步骤摘要】
图像处理模型的模糊核确定方法、装置、设备及存储介质
[0001]本专利技术涉及图像处理
，具体而言，涉及一种图像处理模型的模糊核确定方法、装置、设备及存储介质。
技术介绍
[0002]随着深度学习的发展，基于深度学习的图像超分辨率方法越来越广泛的应用到了图像处理技术当中，该方法最重要的一环是确定出较为准确的图像处理模型的模糊核。
[0003]现有的图像处理模型的模糊核的确定是基于大规模模拟数据集进行训练得到的，但是对于不能提供出大量的模拟数据集的图像来说，这种方法不能确定出图像处理模型的模糊核。
技术实现思路
[0004]有鉴于此，本申请的目的在于提供一种图像处理模型的模糊核确定方法、装置、设备及存储介质，能够通过获取一张原图像以及与原图像对应的模糊图像，确定出图像处理模型的模糊核。
[0005]第一方面，本申请实施例提供了一种图像处理模型的模糊核确定方法，该方法包括：
[0006]获取原图像以及与原图像对应的模糊图像；
[0007]根据原图像、模糊图像、初始模糊核，计算中间图像；
[0008]根据中间图像和原图像，更新初始模糊核中的内容；
[0009]若更新初始模糊核内容的次数小于预置更新次数，则在更新初始模糊核内容的基础上更新模糊核尺寸；根据原图像、模糊图像、更新完内容和尺寸的初始模糊核，计算中间图像；
[0010]若更新初始模糊核内容的次数等于预置更新次数，将更新完内容的初始模糊核确定为图像处理模型的模糊核。
[0011]在一种可能的实施方式中，根据原图像、模糊图像、初始模糊核，计算中间图像之前，包括：
[0012]根据预置更新次数和预设的最终求解的模糊核尺寸，确定每一次更新的模糊核尺寸；
[0013]针对第零次更新的模糊核尺寸和预设的模糊核初始值，确定初始模糊核。
[0014]在一种可能的实施方式中，根据原图像、模糊图像、初始模糊核，计算中间图像，包括：
[0015]通过下述公式计算得到中间图像；
[0016]计算中间图像的公式为：
[0017][0018]其中，x为中间图像，k为初始模糊核，为模糊图像的梯度，为原图像的梯度，λ
dark
为图像正则项参数，λ
grad
为图像梯度正则项参数。
[0019]在一种可能的实施方式中，根据中间图像和原图像，更新所述初始模糊核中的内容，包括：
[0020]通过下述公式更新初始模糊核中的内容；
[0021][0022]其中，k为初始模糊核，为中间图像的梯度，为原图像的梯度，γ为模糊核正则项参数，λ
dark
为图像正则项参数，λ
grad
为图像梯度正则项参数。
[0023]在一种可能的实施方式中，在更新初始模糊核内容的基础上更新模糊核尺寸，包括：
[0024]根据更新初始模糊核内容的次数，确定本次更新初始模糊核的尺寸；
[0025]使用最大似然算法对初始模糊核进行上采样，对更新完内容的初始模糊核更新尺寸，使得更新的尺寸与确定的本次更新初始模糊核的尺寸相同。
[0026]在一种可能的实施方式中，在更新初始模糊核内容的基础上更新模糊核尺寸之后，该方法还包括：
[0027]将更新完尺寸的初始模糊核中的负值元素变为零后进行归一化处理，得到更新完内容和尺寸的初始模糊核。
[0028]在一种可能的实施方式中，该方法还包括：
[0029]将所述模糊图像与拉普拉斯算子进行卷积处理，确定最终的模糊图像。
[0030]第二方面，本申请实施例还提供了一种图像处理模型的模糊核确定装置，该装置包括：
[0031]获取模块，用于获取原图像以及与原图像对应的模糊图像；
[0032]计算模块，用于根据原图像、模糊图像、初始模糊核，计算中间图像；
[0033]更新模块，用于根据中间图像和原图像，更新初始模糊核中的内容；
[0034]计算模块，还用于若更新初始模糊核内容的次数小于预置更新次数，则在更新初始模糊核内容的基础上更新模糊核尺寸，根据原图像、模糊图像、更新完内容和尺寸的初始模糊核，计算中间图像；
[0035]确定模块，用于若更新初始模糊核内容的次数等于预置更新次数，将更新完内容的初始模糊核确定为图像处理模型的模糊核。
[0036]在一种可能的实施方式中，计算模块还用于根据预置更新次数和预设的最终求解的模糊核尺寸，确定每一次更新的模糊核尺寸；针对第零次更新的模糊核尺寸和预设的模糊核初始值，确定初始模糊核。
[0037]在一种可能的实施方式中，计算模块具体用于通过下述公式计算得到中间图像；
[0038]计算中间图像的公式为：
[0039][0040]其中，x为中间图像，k为初始模糊核，为模糊图像的梯度，为原图像的梯度，λ
dark
为图像正则项参数，λ
grad
为图像梯度正则项参数。
[0041]在一种可能的实施方式中，计算模块具体用于通过下述公式更新初始模糊核中的内容；
[0042][0043]其中，k为初始模糊核，为中间图像的梯度，为原图像的梯度，γ为模糊核正则项参数，λ
dark
为图像正则项参数，λ
grad
为图像梯度正则项参数。
[0044]在一种可能的实施方式中，更新模块具体用于根据更新初始模糊核内容的次数，确定本次更新初始模糊核的尺寸；使用最大似然算法对初始模糊核进行上采样，对更新完内容的初始模糊核更新尺寸，使得更新的尺寸与确定的本次更新初始模糊核的尺寸相同。
[0045]在一种可能的实施方式中，更新模块还用于将更新完尺寸的初始模糊核中的负值元素变为零后进行归一化处理，得到更新完内容和尺寸的初始模糊核。
[0046]在一种可能的实施方式中，确定模块还用于将模糊图像与拉普拉斯算子进行卷积处理，确定最终的模糊图像。
[0047]第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行如第一方面任一项图像处理模型的模糊核确定方法的步骤。
[0048]第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行如第一方面任一项图像处理模型的模糊核确定方法的步骤。
[0049]本申请提供了一种图像处理模型的模糊核确定方法、装置、设备及存储介质，该方法包括：获取原图像以及与原图像对应的模糊图像；根据原图像、模糊图像、初始模糊核，计算中间图像；根据中间图像和原图像，更新初始模糊核中的内容；若更新初始模糊核内容的次数小于预置更新次数，则在更新初始模糊核内容的基础上更新模糊核尺寸；根据原图像、模糊图像、更新完内容和尺寸的初始模糊核，计算中间图像；若更新初始模本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理模型的模糊核确定方法，其特征在于，所述方法包括：获取原图像以及与原图像对应的模糊图像；根据所述原图像、所述模糊图像、初始模糊核，计算中间图像；根据所述中间图像和所述原图像，更新所述初始模糊核中的内容；若更新初始模糊核内容的次数小于预置更新次数，则在更新初始模糊核内容的基础上更新模糊核尺寸；根据所述原图像、所述模糊图像、更新完内容和尺寸的初始模糊核，计算中间图像；若更新初始模糊核内容的次数等于预置更新次数，将更新完内容的初始模糊核确定为图像处理模型的模糊核。2.根据权利要求1所述的图像处理模型的模糊核确定方法，其特征在于，所述根据所述原图像、所述模糊图像、初始模糊核，计算中间图像之前，包括：根据预置更新次数和预设的最终求解的模糊核尺寸，确定每一次更新的模糊核尺寸；针对第零次更新的模糊核尺寸和预设的模糊核初始值，确定所述初始模糊核。3.根据权利要求1或2所述的图像处理模型的模糊核确定方法，其特征在于，所述根据所述原图像、所述模糊图像、初始模糊核，计算中间图像，包括：通过下述公式计算得到中间图像；所述计算中间图像的公式为：其中，x为中间图像，k为初始模糊核，为模糊图像的梯度，为原图像的梯度，λ
dark
为图像正则项参数，λ
grad
为图像梯度正则项参数。4.根据权利要求1所述的图像处理模型的模糊核确定方法，其特征在于，所述根据所述中间图像和所述原图像，更新所述初始模糊核中的内容，包括：通过下述公式更新所述初始模糊核中的内容；其中，k为初始模糊核，为中间图像的梯度，为原图像的梯度，γ为模糊核正则项参数，λ
dark
为图像正则项参数，λ
grad
为图像梯度正则项参数。5.根据权利要求2所述的图像处理模型的模糊核确定方法，其特征在于，所述在更新初始模糊核内容的基础上更新模...
【专利技术属性】
技术研发人员：姬松松，高恩宇，孔令波，周鑫，
申请(专利权)人：北京微纳星空科技有限公司，
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。