一种图像处理方法、装置、电子设备和存储介质制造方法及图纸

本公开涉及一种图像处理方法、装置、电子设备和存储介质。方法包括：获取目标图像，通过预先训练的神经网络模型对目标图像进行去模糊处理，神经网络模型包括至少一个编码器、至少一个实例归一化模块和至少一个解码器；通过编码器提取目标图像的特征，得到第一特征信息；通过实例归一化模块对第一特征信息中的部分特征信息进行实例归一化处理，得到第二特征信息；通过解码器基于第二特征信息得到目标图像对应的去模糊图像。本公开提供的方法，能够对目标图像进行去模糊处理，进而得到清晰的目标图像，且对真实场景下的文本图像去模糊效果比较好，处理速度也比较快。处理速度也比较快。处理速度也比较快。

【技术实现步骤摘要】
一种图像处理方法、装置、电子设备和存储介质


[0001]本公开涉及图像处理
，尤其涉及一种图像处理方法、装置、电子设备和存储介质。

技术介绍

[0002]目前，图像去模糊是提升图像质量的有效方法之一，可以将模糊的图像清晰化，有助于对图像内容进行识别，通常会基于深度学习来对图像进行去模糊处理。
[0003]但是，基于深度学习对图像进行去模糊处理时，需要特定场景下的模糊数据训练模型，不适用于除了特定场景之外的其他场景，不具备通用性，且对于真实场景下的文本图像去模糊效果比较差，处理速度也比较慢。

技术实现思路

[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种图像处理方法，能够对目标图像进行去模糊处理，进而得到清晰的目标图像，且适用于真实场景下的文本图像，去模糊效果比较好，处理速度也比较快。
[0005]第一方面，本公开实施例提供了一种图像处理方法，包括：获取目标图像；通过预先训练的神经网络模型对目标图像进行去模糊处理，神经网络模型包括至少一个编码器、至少一个实例归一化模块和至少一个本文档来自技高网...

【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，包括：获取目标图像；通过预先训练的神经网络模型对所述目标图像进行去模糊处理，所述神经网络模型包括至少一个编码器、至少一个实例归一化模块和至少一个解码器；通过所述编码器对所述目标图像进行特征提取，得到第一特征信息；通过所述实例归一化模块对所述第一特征信息中的部分特征信息进行实例归一化处理，得到第二特征信息；通过所述解码器基于所述第二特征信息得到所述目标图像对应的去模糊图像。2.根据权利要求1所述的方法，其特征在于，所述实例归一化模块包括多个子归一化层；所述通过所述实例归一化模块对所述第一特征信息中的部分特征信息进行实例归一化处理，得到第二特征信息，包括：在所述多个子归一化层中确定至少一个目标子归一化层，并通过所述目标子归一化层对所述第一特征信息的部分特征信息进行实例归一化处理；基于所述多个子归一化层中除所述目标子归一化层之外的其他子归一化层，获取所述第一特征信息的上下文信息；根据实例归一化处理后的部分特征信息和所述上下文信息，得到第二特征信息。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取清晰图像和所述清晰图像对应的模糊图像；将所述模糊图像输入到构建的神经网络模型中，得到预测图像；根据所述清晰图像、所述预测图像和所述模糊图像，更新所述神经网络模型的网络参数。4.根据权利要求3所述的方法，其特征在于，所述根据所述清晰图像、所述预测图像和所述模糊图像，更新所述神经网络模型的网络参数，包括：通过预先获取的感知模型分别提取所述清晰图像和所述模糊图像的特征，得到所述清晰图像对应的第三特征信息和所述模糊图像对应的第四特征信息；根据所述清晰图像、所述预测图像、所述第三特征信息和所述第四特征信息计算损失值；根据所述损失值更新所述神经网络模型的网络参数。...

【专利技术属性】
技术研发人员：张涛，刘永强，冀志龙，
申请(专利权)人：北京世纪好未来教育科技有限公司，
类型：发明
国别省市：