【技术实现步骤摘要】
图像处理方法、装置、电子设备及计算机可读存储介质
[0001]本申请涉及图像处理
，具体而言，本申请涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着数码相机等大众化的成像设备的普及，在我们身边出现了越来越多的数字图像，普通用户个人电子相册里的图像已经数以万计，其中很多图像是存在多种失真的，模糊失真是其中重要的一类。模糊图像检测是近年来新产生的技术需求，可以应用于多种场景中，例如，可以在大量的图像库中自动识别出模糊图像，从而去除低质量的图像；还可以进行模糊图像检测后，引导用户进行正确拍照，或者对图像进行恢复。
[0003]目前可以采用梯度的传统算法和基于深度卷积神经网络的分类算法进行图像模糊检测，这种方式更适用于全局模糊的图像，因此，有必要对现有的图像模糊检测方式进行优化。
技术实现思路
[0004]本申请提供了一种图像处理方法、装置、电子设备及计算机可读存储介质，该技术方案如下所示：
[0005]第一方面，提供了一种图像处理方法，该方法包括：>[0006]对待处本文档来自技高网...
【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：对待处理图像的像素进行模糊分类，得到分类掩码图；基于所述分类掩码图确定所述图像的模糊检测结果。2.根据权利要求1所述的方法，其特征在于，所述对待处理图像的像素进行模糊分类，得到分类掩码图，包括：经由级联的若干第一特征提取单元对所述待处理图像进行特征提取，得到对应的至少一个第一特征图；针对至少一个第一特征图，经由第二特征提取单元进行特征提取，得到对应的第二特征图；所述第二特征图是基于第一特征图上的不同像素点之间的关系确定的；基于至少一个第二特征图生成所述分类掩码图。3.根据权利要求2所述的方法，其特征在于，针对至少一个第一特征图，进行特征提取，得到对应的第二特征图，包括：将所述第一特征图划分为至少两个图像块；使用图卷积网络，提取每一图像块的局部特征以及相邻图像块之间的全局特征；将所述局部特征与全局特征进行融合，得到第二融合特征；基于所述第二融合特征生成第二特征图。4.根据权利要求3所述的方法，其特征在于，所述将所述第一特征图划分为至少两个图像块，包括：将所述第一特征图划分为至少两个图像块，并确定每一图像块的置信度；所述置信度用于表征图像块的清晰程度；继续划分所述置信度处于预设区间范围内的图像块，直至划分所得的任一图像块对应的置信度处于预设区间范围外。5.根据权利要求3所述的方法，其特征在于，划分得到的至少两个图像块中的每个图像块仅包含模糊像素或仅包含清晰像素。6.根据权利要求3所述的方法，其特征在于，使用图卷积网络，提取相邻图像块之间的全局特征，包括：将每个图像块的特征进行降维处理；基于每个图像块降维处理后的特征，使用图卷积网络，提取相邻的图像块之间的全局特征。7.根据权利要求1至6任一项所述的方法，其特征在于，还包括：若所述模糊检测结果为所述图像为模糊图像，对所述图像进行去模糊处理，得到第一恢复图；基于所述分类掩码图，提取所述图像中清晰区域的清晰像素；将所述第一恢复图中对应清晰区域位置的像素替换为所述清晰像素，得到第二恢复图。8.根据权利要求7所述的方法，其特征在于，所述对所述图像进行去模糊处理，得到第一恢复图，包括：对所述图像进行特征提取，得到第一提取特征；基于所述第一提取特征，通过至少一个恢复处理模块进行恢复处理，得到第一恢复图。
9.根据权利要求8所述的方法，其特征在于，任一恢复处理模块进行恢复处理，包括：基于恢复处理模块的输入特征，在预设的各尺度中进行尺度选择；基于所述输入特征，按照所选择的尺度进行特征提取，得到对应的尺度特征；基于所述尺度特征确定并输出对应的恢复特征。10.根据权利要求9所述的方法，其特征在于，基于所述尺度特征确定并输出对应的恢复特征，包括：在尺度特征的各通道中进行通道选择；基于选择出的通道对应的通道特征确定并输出对应的恢复特征。11.根据权利要求8所述的方法，其特征在于，通过至少一个恢复处理模块进行恢复处理，得到第一恢复图，包括：对最后一个恢复处理模块输出的恢复特征进行升维操作，得到第一恢复图。12.根据权利要求8所述的方法，其特征在于，还包括：基于第一提取特征中像素点之间的相似性，确定相似矩阵；基于所述分类掩码图中清晰像素与模糊像素，确定对应的掩码矩阵；基于所述相似矩阵和掩码矩阵，确定掩码...
【专利技术属性】
技术研发人员：张达峰，高艳君，戴彬，金哲洙，文伟，
申请(专利权)人：三星电子株式会社，
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。