本申请实施例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，该方法首先获取待处理图像的类型信息，再根据待处理图像的类型信息确定训练后的图像处理模型，训练后的图像处理模型是通过与类型信息匹配的混合样本集训练得到的，最后，通过图像处理模型对待处理图像进行画质增强处理，得到分辨率比所述待处理图像分辨率高的第一标的图像。由于混合样本集中的样本较单一样本集中的样本可靠性更高，由混合样本集训练得到的图像处理模型对图像处理能力更强，因此，本申请中的图像处理方法提高了图片清晰度。处理方法提高了图片清晰度。处理方法提高了图片清晰度。
【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领域，具体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]神经网络是一种大规模、多参数优化的工具。依靠大量的训练数据库，神经网络能够学习出数据中难以总结的隐藏特征，从而完成多项复杂的任务，如：图像语义分割、物体检测、动作追踪、自然语言翻译、图像识别等，神经网络已被人工智能界广泛应用。
[0003]目前，神经网络经常被用在图像处理领域，其中，利用神经网络对图像进行优化是当前一个热门的话题，传统的利用神经网络对图像进行优化的方案中，对图像处理模型进行训练的训练样本数据大多来自图像超分辨率领域常用的公开数据集，采用此样本数据得到的目标参数缺乏真实性，最终得到的训练后的图像处理模型对图像的处理能力不强，因此，通过该图像处理模型处理得到的图像清晰度不高。
[0004]申请内容
[0005]本申请实施例提供一种图像处理方法、装置、电子设备及计算机可读存储介质，以提高图像清晰度。
[0006]一方面，本申请提供一种图像处理方法，包括：
[0007]获取待处理图像的类型信息；
[0008]根据所述待处理图像的类型信息确定训练后的图像处理模型，所述训练后的图像处理模型是通过与所述类型信息匹配的混合样本集训练得到的；
[0009]通过所述图像处理模型对待处理图像进行画质增强处理，得到分辨率比所述待处理图像分辨率高的第一标的图像。
[0010]可选地，在本申请一些可能的实现方式中，所述混合样本集包括第一样本对和第二样本对；其中，所述第一样本对包括多张分辨率大于第一阈值的第一图像，以及对各第一图像分别进行降清晰度处理生成对应的第一目标图像；所述第二样本对包括多张噪声比大于第二阈值的第二图像，以及对各第二图像分别进行降清晰度处理生成对应的第二目标图像，所述第二图像的图像类型与所述类型信息相对应。
[0011]可选地，在本申请一些可能的实现方式中，所述降清晰度处理，包括：
[0012]获取训练后的降清晰度模型，所述降清晰度模型包括噪声提取模块、降采样模块、上采样模块以及噪声注入模块；
[0013]通过所述噪声提取模块提取初始图像中的图像噪声，所述初始图像包括所述第一图像或所述第二图像；
[0014]通过所述降采样模块对所述噪声数据对应的所述第一图像或所述第二图像进行降采样，得到第一降采样图像；
[0015]通过所述上采样模块对所述第一降采样图像进行上采样，得到第一采样图像；
[0016]通过所述噪声注入模块将所述图像噪声注入到所述第一采样图像中，得到所述第
一图像对应的第一目标图像或所述第二图像对应的第二目标图像。
[0017]可选地，在本申请一些可能的实现方式中，所述根据所述待处理图像的类型信息确定训练后的图像处理模型的步骤，包括：
[0018]通过待训练的图像处理模型对所述混合样本集中的目标图像进行处理得到各目标图像对应的第三图像，所述目标图像包括第一目标图像和第二目标图像；
[0019]根据预设的损失值、损失函数、所述第三图像以及所述第三图像对应的初始图像，对所述待训练的图像处理模型进行参数训练，得到目标参数，所述初始图像包括所述第一图像或所述第二图像；
[0020]根据所述目标参数，得到训练后的图像处理模型。
[0021]可选地，在本申请一些可能的实现方式中，所述根据预设的损失值、损失函数、所述第三图像以及所述第三图像对应的初始图像，对所述待训练的图像处理模型进行参数训练，得到目标参数的步骤，包括：
[0022]根据所述损失函数计算每个所述第三图像与对应的初始图像之间的目标损失值，并根据所述目标损失值实时优化所述待训练的图像处理模型的模型参数；
[0023]当所述目标损失值小于或等于预设的损失值时，则所述待训练的图像处理模型的模型参数为目标参数。
[0024]可选地，在本申请一些可能的实现方式中，所述通过所述图像处理模型对待处理图像进行画质增强处理，得到分辨率比所述待处理图像分辨率高的第一标的图像的步骤之后，还包括：
[0025]获取后处理增强模块；
[0026]基于所述后处理增强模块对所述第一标的图像进行图像增强处理，得到第二标的图像。
[0027]可选地，在本申请一些可能的实现方式中，所述后处理增强模块包括高斯模糊模块；所述基于所述后处理增强模块对所述第一标的图像进行图像增强处理，得到第二标的图像的步骤，包括：
[0028]基于所述第一标的图像，通过高斯模糊模块得到所述第一标的图像对应的模糊图像；
[0029]根据所述第一标的图像和所述模糊图像，得到所述第一标的图像的边缘细节图像；
[0030]根据所述第一标的图像和所述边缘细节图像，得到第二标的图像。
[0031]可选地，在本申请一些可能的实现方式中，所述图像处理模型包括第一卷积模块、基础模块、第二卷积模块以及第三卷积模块；所述通过所述图像处理模型对待处理图像进行画质增强处理，得到分辨率比所述待处理图像分辨率高的第一标的图像的步骤，包括：
[0032]通过所述第一卷积模块对所述待处理图像进行第一卷积处理，得到第一特征图像；
[0033]通过所述基础模块对所述第一特征图像进行多次目标特征提取，得到第二特征图像；
[0034]通过所述第二卷积模块对所述第二特征图像进行第二卷积处理，得到第三特征图像；
[0035]将所述第一特征图像和所述第三特征图像进行通过相加处理，得到第四特征图像；
[0036]通过所述第三卷积模块所述第四特征图像进行第三卷积处理，得到第一标的图像。
[0037]可选地，在本申请一些可能的实现方式中，所述基础模块包括至少一个基础子模块，所述基础子模块包括第一残差模块，第二残差模块以及第三残差模块，所述通过所述基础模块对所述第一特征图像进行多次目标特征提取，得到第二特征图像的步骤，包括：
[0038]基于所述第一残差模块对所述第一特征图像进行第一特征提取，得到第一子特征图像；
[0039]将所述第一子特征图像和所述第一特征图像进行相加处理得到的第一混合特征图像输入到所述第二残差模块中，得到第二子特征图像；
[0040]将所述第二子特征图像和所述第一特征图像进行相加处理得到的第二混合特征图像输入到所述第三残差模块中，得到第二特征图像。
[0041]一方面，本申请提供一种图像处理装置，包括：
[0042]第一获取模块，用于获取待处理图像的类型信息；
[0043]确定模块，用于根据所述待处理图像的类型信息确定训练后的图像处理模型，所述训练后的图像处理模型是通过与所述类型信息匹配的混合样本集训练得到；
[0044]第一处理模块，用于通过所述图像处理模型对待处理图像进行画质增强处理，得到分辨率比所述待处理图像分辨率高的第一标的图像。
[0045]在一种本文档来自技高网...
【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：获取待处理图像的类型信息；根据所述待处理图像的类型信息确定训练后的图像处理模型，所述训练后的图像处理模型是通过与所述类型信息匹配的混合样本集训练得到的；通过所述图像处理模型对待处理图像进行画质增强处理，得到分辨率比所述待处理图像分辨率高的第一标的图像。2.如权利要求1所述的图像处理方法，其特征在于，所述混合样本集包括第一样本对和第二样本对；其中，所述第一样本对包括多张分辨率大于第一阈值的第一图像，以及对各第一图像分别进行降清晰度处理生成对应的第一目标图像；所述第二样本对包括多张噪声比大于第二阈值的第二图像，以及对各第二图像分别进行降清晰度处理生成对应的第二目标图像，所述第二图像的图像类型与所述类型信息相对应。3.如权利要求2所述的图像处理方法，其特征在于，所述降清晰度处理，包括：获取训练后的降清晰度模型，所述降清晰度模型包括噪声提取模块、降采样模块、上采样模块以及噪声注入模块；通过所述噪声提取模块提取初始图像中的图像噪声，所述初始图像包括所述第一图像或所述第二图像；通过所述降采样模块对所述噪声数据对应的所述第一图像或所述第二图像进行降采样，得到第一降采样图像；通过所述上采样模块对所述第一降采样图像进行上采样，得到第一采样图像；通过所述噪声注入模块将所述图像噪声注入到所述第一采样图像中，得到所述第一图像对应的第一目标图像或所述第二图像对应的第二目标图像。4.如权利要求2所述的图像处理方法，其特征在于，所述根据所述待处理图像的类型信息确定训练后的图像处理模型的步骤，包括：通过待训练的图像处理模型对所述混合样本集中的目标图像进行处理得到各目标图像对应的第三图像，所述目标图像包括第一目标图像和第二目标图像；根据预设的损失值、损失函数、所述第三图像以及所述第三图像对应的初始图像，对所述待训练的图像处理模型进行参数训练，得到目标参数，所述初始图像包括所述第一图像或所述第二图像；根据所述目标参数，得到训练后的图像处理模型。5.如权利要求4所述的图像处理方法，其特征在于，所述根据预设的损失值、损失函数、所述第三图像以及所述第三图像对应的初始图像，对所述待训练的图像处理模型进行参数训练，得到目标参数的步骤，包括：根据所述损失函数计算每个所述第三图像与对应的初始图像之间的目标损失值，并根据所述目标损失值实时优化所述待训练的图像处理模型的模型参数；当所述目标损失值小于或等于预设的损失值时，则所述待训练的图像处理模型的模型参数为目标参数。6.如权利要求1所述的图像处理方法，其特征在于，所述通过所述图像处理模型对待处理图像进行画质增强处理，得到分辨率比所述待处理图像分辨率高的第一标的图像的步骤之后，还包括：
获取后处理增强模块；基于所述后处理增...
【专利技术属性】
技术研发人员：金凡，王树鹏，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
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。