图像重建方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种图像重建方法、装置、电子设备及存储介质，属于图像处理技术领域。该方法包括：获取原始图像；利用预设的图像退化模型对原始图像进行退化处理，确定与原始图像匹配的目标模糊核；对目标模糊核进行变维处理，生成退化图像；将原始图像和退化图像输入到预先训练得到的图像恢复模型中进行处理，得到重建图像，其中，重建图像的分辨率大于原始图像的分辨率。本申请实施例能够减小模糊核的未知对图像重建造成的影响，实现对具有任意模糊核的图像进行重建，提高重建图像的图像质量。量。量。

【技术实现步骤摘要】
图像重建方法、装置、电子设备及存储介质


[0001]本申请涉及图像处理
，尤其涉及一种图像重建方法、装置、电子设备及存储介质。

技术介绍

[0002]随着信息化技术的发展，人们对数字图像质量的要求也越来越高，特别是在医学、自动驾驶、天文以及监控等计算机视觉领域中，都需要获得高分辨率的、细节丰富的高清图像。然而，在实际图像采集时，往往受到成像系统自身的空间分辨率、光线或射线强度、空间距离以及系统噪声等因素的影响，而导致获得的图像的空间分辨率不高。
[0003]单图像超分辨率(Single Image Super Resolution，SISR)重建技术主要基于软件算法层面的设计，其可以实现从低分辨率(Low Resolution，LR)观测图像到高分辨率(High Resolution，HR)观测图像的提升。随着深度学习的发展和普及应用，在图像处理领域里也常常采用深度学习技术对超分辨率图像进行处理。相关技术中，常常采用卷积神经网络进行单图像超分辨率重建，但相关技术中的图像重建大多侧重于学习更广泛或更深的模型，往往会影响重建图像的图像质量。因此，如何提供一种图像重建方法，提高重建图像的图像质量，成为了亟待解决的技术问题。

技术实现思路

[0004]本申请实施例的主要目的在于提出一种图像重建方法、装置、电子设备及存储介质，旨在提高重建图像的图像质量。
[0005]为实现上述目的，本申请实施例的第一方面提出了一种图像重建方法，该方法包括：
[0006]获取原始图像；
[0007]利用预设的图像退化模型对原始图像进行退化处理，确定与原始图像匹配的目标模糊核；
[0008]对目标模糊核进行变维处理，根据目标模糊核生成退化图像；
[0009]将原始图像和退化图像输入到预先训练得到的图像恢复模型中进行处理，得到重建图像。
[0010]其中，上述重建图像的分辨率大于原始图像的分辨率。
[0011]在一些实施例，上述利用预设的图像退化模型对原始图像进行退化处理，确定与原始图像匹配的目标模糊核，包括：
[0012]将原始图像与中间模糊核相乘并经过下采样处理，得到第一图像；
[0013]将第一图像加上噪声，得到第二图像；
[0014]根据第一图像与第二图像的像素值差异确定目标模糊核，其中，中间模糊核是确定目标模糊核过程中设置的模糊核。
[0015]在一些实施例，上述根据第一图像与第二图像的像素值差异确定目标模糊核，包
括：
[0016]将第一图像与第二图像的像素值差异满足预设条件的情况下对应的中间模糊核确定为目标模糊核。
[0017]在确定目标模糊核的过程中可能会设置多个中间模糊核，直到第一图像和第二图像的像素值的差异满足预设条件，将此时对应的中间模糊核确定为目标模糊核即可。
[0018]而第一图像与第二图像的像素值差异满足预设条件具体可以是指，第一图像和第二图像的像素值的差异小于或者等于第一预设阈值，该第一预设阈值可以是预先设置的数值。
[0019]在一些实施例，上述对目标模糊核进行变维处理，生成退化图像，包括：
[0020]对目标模糊核进行降维处理和拉伸处理，以使退化图像与原始图像的维度相同。
[0021]上述退化图像与原始图像的维度相同可以是指彼此的宽和高分别相同(两者的通道数可以相同也可以不相同)。
[0022]在一些实施例，上述对目标模糊核进行降维处理和拉伸处理，包括：
[0023]将目标模糊核转化为列向量；
[0024]对列向量进行降维处理，得到降维后的线性向量；
[0025]对降维后的线性向量进行拉伸处理，得到退化图像。
[0026]在一些实施例，上述图像恢复模型包括N个残差密集块，在训练得到图像恢复模型的过程中，N个残差密集块中的任意一个残差密集块中的任意两层处于可连接状态，N为大于或者等于1的整数。
[0027]在一些实施例，上述图像恢复模型包括M个残差密集块，在图像恢复模型对原始图像和退化图像处理的过程中，M个残差密集块的中的任意一个残差密集块的输入信息均包括退化图像，M为大于或者等于1的整数。
[0028]在另一些实施例，还可以是图像恢复模型包括M个残差密集块，在图像恢复模型对原始图像和退化图像处理的过程中，M个残差密集块中的部分残差密集块的输入包括退化信息，M为大于或者等于1的整数。
[0029]在一些实施例，图像恢复模型是根据训练集合中的训练图像集训练得到的，其中，训练集合包括输入图像，输入图像对应的标准图像，以及根据输入图像确定的退化参考图像，其中，输入图像是对标准图像进行退化处理后得到的图像，输入图像的分辨率小于标准图像的分辨率，退化参考图像是根据与输入图像匹配的模糊核确定的，退化参考图像与输入图像的维度相同。
[0030]上述输入图像可以包括多个图像，每个图像是对对应的标准图像进行退化处理后得到的图像。该输入图像可以称为低分辨率图像，标准图像可以称为高分辨率图像。
[0031]为实现上述目的，本申请实施例的第二方面提出了一种图像重建装置，该装置包括：
[0032]图像获取模块，用于获取原始图像；
[0033]图像处理模块，图像处理模块具体用于：
[0034]利用预设的图像退化模型对原始图像进行退化处理，确定与原始图像匹配的目标模糊核；
[0035]对目标模糊核进行变维处理，生成退化图像；
[0036]将原始图像和退化图像输入到预先训练得到的图像恢复模型中进行处理，得到重建图像，其中，重建图像的分辨率大于原始图像的分辨率。
[0037]为实现上述目的，本申请实施例的第三方面提出了一种电子设备，电子设备包括存储器和处理器，其中，存储器中存储有程序，程序被处理器执行时处理器用于执行第一方面实施例的图像重建方法。
[0038]为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，计算机可读存储有计算机程序，在计算机程序被计算机执行时，计算机用于执行第一方面实施例的图像重建方法。
[0039]本申请实施例提出的图像重建方法、装置、电子设备及存储介质，其通过获取原始图像，利用预设的图像退化模型对原始图像进行退化处理，确定与原始图像匹配的目标模糊核。进而，对目标模糊核进行变维处理，生成退化图像，将原始图像和退化图像输入到预先训练得到的图像恢复模型中进行处理，得到重建图像。相较于相关技术，本申请通过确定与原始图像匹配的目标模糊核，使得目标模糊核更接近于真实模糊核，能够减小模糊核的未知对图像重建造成的影响，实现对具有任意模糊核的图像进行重建。另外，本申请将根据目标模糊核生成的退化图像与原始图像一起作为已训练的图像恢复模型的输入，使得在图像恢复模型对原始图像和退化图像处理的过程中，图像恢复模型内的模块能够融合退化图像的图像信息，提高重建图像的图像质量。
附图说明
[0040]图1是本申请实施例提供的图像重建方法的流程图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像重建方法，其特征在于，包括：获取原始图像；利用预设的图像退化模型对所述原始图像进行退化处理，确定与原始图像匹配的目标模糊核；对所述目标模糊核进行变维处理，生成退化图像；将所述原始图像和所述退化图像输入到预先训练得到的图像恢复模型中进行处理，得到重建图像，其中，所述重建图像的分辨率大于所述原始图像的分辨率。2.根据权利要求1所述的图像重建方法，其特征在于，所述利用预设的图像退化模型对所述原始图像进行退化处理，确定与原始图像匹配的目标模糊核，包括：将所述原始图像与中间模糊核相乘并经过下采样处理，得到第一图像；将所述第一图像加上噪声，得到第二图像；根据所述第一图像与所述第二图像的像素值差异确定所述目标模糊核；其中，所述中间模糊核是确定所述目标模糊核过程中设置的模糊核。3.根据权利要求2所述的图像重建方法，其特征在于，根据所述第一图像与所述第二图像的像素值差异确定所述目标模糊核，包括：将所述第一图像与所述第二图像的像素值差异满足预设条件的情况下对应的所述中间模糊核确定为所述目标模糊核。4.根据权利要求1所述的图像重建方法，其特征在于，所述对所述目标模糊核进行变维处理，生成退化图像，包括：对所述目标模糊核进行降维处理和拉伸处理，以使所述退化图像与所述原始图像的维度相同。5.根据权利要求4所述的图像重建方法，其特征在于，对所述目标模糊核进行降维处理和拉伸处理，包括：将所述目标模糊核转化为列向量；对所述列向量进行降维处理，得到降维后的线性向量；对所述降维后的线性向量进行拉伸处理，得到所述退化图像。6.根据权利要求1所述的图像重建方法，其特征在于，所述图像恢复模型包括N个残差密集块，在训练得到所述图像恢复模型的过程中，所述N个残差密集块中的任意一个残差密...

【专利技术属性】
技术研发人员：张楠，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：