一种图像处理方法以及相关设备技术

本申请涉及人工智能领域，公开了一种图像处理方法，方法包括：获取第一编码数据，第一编码数据为对第一图像进行编码得到的；对第一编码数据进行熵解码，得到至少一个第一特征图；通过生成模型对至少一个第一特征图进行处理，以得到至少一个第二特征图，其中，至少一个第二特征图包括的图像高频信息多于至少一个第一特征图包括的图像高频信息；对至少一个第二特征图进行图像重构，得到第二图像。本申请通过生成模型得到的至少一个第二特征图包括的图像高频信息多于至少一个第一特征图包括的图像高频信息，因此重构后的第二图像包括的纹理细节多于通过对至少一个第一特征图进行图像重构得到的图像的纹理细节，提高了重建图的主观感受。主观感受。主观感受。

【技术实现步骤摘要】
一种图像处理方法以及相关设备


[0001]本申请涉及人工智能领域，尤其涉及一种图像处理方法以及相关设备。

技术介绍

[0002]如今多媒体数据占据了互联网的绝大部分流量。对于图像数据的压缩对于多媒体数据的存储和高效传输有着至关重要的作用。所以图像编码是一项具有重大实用价值的技术。
[0003]对于图像编码的研究已经有较长的历史了，研究人员提出了大量的方法，并制定了多种国际标准，比如JPEG，JPEG2000，WebP，BPG等图像编码标准。这些编码方法虽然在目前都得到了广泛应用，但是针对现在不断增长的图像数据量及不断出现的新媒体类型，这些传统方法显示出了某些局限性。
[0004]近年来，开始有研究人员开展了基于深度学习图像编码方法的研究。有些研究人员已经取得了不错的成果，比如Ball
é
等人提出了一种端到端优化的图像编码方法，取得了超越目前最好的图像编码性能，甚至超越了目前最好的传统编码标准BPG。
[0005]在端到端的图像压缩框架中，重建图像的失真度往往是通过峰值信噪比(peak signal to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：获取第一编码数据，所述第一编码数据为对第一图像进行编码得到的；对所述第一编码数据进行熵解码，得到至少一个第一特征图；通过生成模型(generative model)对所述至少一个第一特征图进行处理，以得到至少一个第二特征图，其中，所述至少一个第二特征图包括的图像高频信息多于所述至少一个第一特征图包括的图像高频信息；对所述至少一个第二特征图进行图像重构，得到第二图像。2.根据权利要求1所述的方法，其特征在于，所述生成模型通过基于损失训练初始生成模型得到，所述初始生成模型属于生成式对抗网络GAN，所述GAN还包括判别模型(discriminative model)，所述损失包括在进行所述GAN的训练时所述判别模型确定的感知对抗损失，所述感知对抗损失用于表示进行图像重构得到的重构图像与编码前的样本图像之间包括的图像的纹理细节差异。3.根据权利要求1或2所述的方法，其特征在于，所述第二图像包括的纹理细节多于通过对所述至少一个第一特征图进行图像重构得到的图像的纹理细节。4.根据权利要求1至3任一所述的方法，其特征在于，所述对所述至少一个第二特征图进行图像重构，包括：对所述至少一个第一特征图进行卷积运算，以得到至少一个第三特征图；根据所述至少一个第三特征图以及所述至少一个第二特征图进行图像重构。5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个第三特征图以及所述至少一个第二特征图进行图像重构，包括：获取第一权重值，并将所述至少一个第二特征图与所述第一权重值进行乘积运算，以得到调整后的至少一个第二特征图；所述根据所述至少一个第三特征图以及所述至少一个第二特征图进行图像重构，包括：根据所述至少一个第三特征图以及所述调整后的至少一个第二特征图进行图像重构。6.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：获取第二权重值，并将所述至少一个第二特征图与所述第二权重值进行乘积运算，以得到调整后的至少一个第二特征图；所述对所述至少一个第二特征图进行图像重构，包括：对所述调整后的至少一个第二特征图进行图像重构。7.根据权利要求1至6任一所述的方法，其特征在于，所述对所述第一编码数据进行熵解码，得到至少一个第一特征图，包括：对所述第一编码数据进行熵解码，得到至少一个第四特征图，所述至少一个第四特征图包括N个第一特征值，所述N为正整数；获取M个反增益值，所述M个反增益值对应于所述第一编码数据的压缩码率，每个反增益值对应一个第一特征值，所述M为小于或等于N的正整数；根据所述M个反增益值分别对对应的第一特征值进行处理，得到至少一个第一特征图，所述至少一个第一特征图包括所述M个第二特征值。8.根据权利要求7所述的方法，其特征在于，所述M个第二特征值为通过将M个反增益值
分别与对应的第一特征值进行乘积运算得到的。9.根据权利要求1至8任一所述的方法，其特征在于，所述第一编码数据为对第一图像中的第一区域进行编码得到的；所述方法还包括：获取第二编码数据，所述第二编码数据为对第一图像中的第二区域进行编码得到的；对所述第二编码数据进行熵解码，得到至少一个第五特征图；对所述至少一个第五特征图进行图像重构，以得到第一重构结果；所述对所述至少一个第二特征图进行图像重构，得到第二图像，包括：对所述至少一个第二特征图进行图像重构，得到第二重构结果；根据所述第一重构结果和所述第二重构结果，获取所述第二图像。10.根据权利要求9所述的方法，其特征在于，所述第一区域为非感兴趣区域ROI，所述第二区域为ROI；或，所述第一区域为ROI，所述第二区域为非ROI。11.一种图像处理方法，其特征在于，所述方法包括：获取第一图像，并对所述第一图像进行编码，得到第一编码数据；对所述第一编码数据进行熵解码，得到至少一个第一特征图；通过第一生成模型对所述至少一个第一特征图进行处理，以得到至少一个第二特征图；所述第一生成模型属于生成式对抗网络GAN，所述GAN还包括判别模型；对所述至少一个第二特征图进行图像重构，得到第二图像；根据所述第一图像、所述第二图像以及判别模型，确定损失，所述损失包括所述判别模型根据所述第一图像以及所述第二图像确定的感知对抗损失；基于所述损失训练所述第一生成模型。12.根据权利要求11所述的方法，其特征在于，所述对所述至少一个第二特征图进行图像重构，包括：对所述至少一个第一特征图进行卷积运算，以得到至少一个第三特征图；根据所述至少一个第三特征图以及所述至少一个第二特征图进行图像重构。13.一种图像处理装置，其特征在于，所述装置包括：获取模块，用于获取第一编码数据，所述第一编码数据为对第一图像进行编码得到的；解码模块，用于对所述第一编码数据进行熵解码，得到至少一个第一特征图；特征图处理模块，用于通过生成模...

【专利技术属性】
技术研发人员：高尚银，王晶，冯义晖，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：