一种图像退化建模方法、神经网络训练方法和装置制造方法及图纸

一种图像退化建模方法、神经网络训练方法和装置，所述图像退化建模方法包括：构建复合退化模型，所述复合退化模型中的退化池包括模糊退化、噪声退化和下采样退化；建立门控机制，所述门控机制包括多个局部子门，并为模糊退化、噪声退化和下采样退化中的每种子退化类型分别添加所述局部子门，其中，所述局部子门根据预设概率选择添加对应的子退化类型。本申请的图像退化建模方法可以对退化种类和退化等级合理建模，提升图像退化模型的性能。提升图像退化模型的性能。提升图像退化模型的性能。

【技术实现步骤摘要】
一种图像退化建模方法、神经网络训练方法和装置


[0001]本申请涉及图像处理
，并且更具体地，涉及一种图像退化建模方法、神经网络训练方法和装置。

技术介绍

[0002]图像作为计算机感知世界的载体之一，在计算机视觉任务中发挥着重要的作用。然而受技术和成本限制，图像在成像时会不可避免地受到噪声、模糊、低分辨率等干扰，这不仅影响美观，也会对后续计算机视觉任务造成极大压力。因此研究如何从低质量(Low Quality，LQ)图像恢复出高质量(High Quality，HQ)图像(即盲图像复原)，具有重要意义。
[0003]随着深度学习技术的飞速发展，基于神经网络(Neural Network，NN)的图像复原方法大放异彩，构建更接近真实分布的训练数据可以提高算法对未知数据的泛化性，提高模型在真实场景的图像复原表现。现有技术中的经典图像退化模型和复杂图像退化模型在一定程度上可以模拟图像的退化过程，然而真实场景中的退化种类大多是未知分布的，而且退化等级通常也跨度极大。
[0004]因此，如何对退化种类和退化等级合理建模，提升图像退化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像退化建模方法，其特征在于，所述图像退化建模方法包括：构建复合退化模型，所述复合退化模型中的退化池包括模糊退化、噪声退化和下采样退化；建立门控机制，所述门控机制包括多个局部子门，并为所述模糊退化、所述噪声退化和所述下采样退化中的每种子退化类型分别添加所述局部子门，其中，所述局部子门根据预设概率选择添加对应的子退化类型。2.根据权利要求1所述的图像退化建模方法，其特征在于，所述门控机制还包括全局门，所述全局门的选择支路包括所述复合退化模型支路和恒等映射模型支路，所述恒等映射模型支路用于对于输入的高质量真值标签图像保持原样输出。3.根据权利要求2所述的图像退化建模方法，其特征在于，所述全局门选择所述复合退化模型支路和恒等映射模型支路的概率之和为1；所述全局门选择所述复合退化模型支路的概率为0.8～0.9；所述全局门选择所述恒等映射模型支路的概率为0.1～0.2。4.根据权利要求1所述的图像退化建模方法，其特征在于，所述复合退化模型包括至少一个所述退化池，当所述复合退化模型包括多个所述退化池时，所述复合退化模型为高阶退化模型。5.根据权利要求1所述的图像退化建模方法，其特征在于，所述噪声退化的子退化类型包括高斯噪声、泊松噪声、斑点噪声、椒盐噪声、压缩噪声，且所述压缩噪声是所述退化池中排序最后的子退化类型。6.根据权利要求5所述的图像退化建模方法，其特征在于，所述模糊退化的子退化类型包括各向同性高斯模糊、各向异性高斯模糊。7.根据权利要求6所述的图像退化建模方法，其特征在于，所述下采样退化的子退化类型包括双三次插值、双线性插值和最近邻插值。8.根据权利要求5至7任一项所述的图像退化建模方法，其特征在于，除所述压缩噪声以外其他子退化类型的顺序被随机打乱。9.根据权利要求5所述的图像退化建模方法，其特征在于，所述压缩噪声为JPEG压缩噪...

【专利技术属性】
技术研发人员：何敬伟，顾钦，古衡，陈飞飞，冯籍澜，
申请(专利权)人：深圳市汇顶科技股份有限公司，
类型：发明
国别省市：