图像优化方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请涉及一种图像优化方法、装置、电子设备及计算机可读存储介质。方法包括：提供存在视差的第一图像和第二图像；根据第一图像和第二图像确定初始深度图像；将初始深度图像和根据第一图像得到的灰度图像输入深度卷积网络模型进行处理，输出优化后的深度图像。本申请通过设计深度卷积网络模型来优化双摄深度图在弱纹理和重复纹理处出现深度错误以及深度一致性的问题，实现对双摄深度图的优化，提高了拍照虚化质量；相比与人工设计滤波器对深度图的优化，本申请的深度图优化效率更高。本申请的深度图优化效率更高。本申请的深度图优化效率更高。

【技术实现步骤摘要】
图像优化方法、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
，特别是涉及一种图像优化方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]随着电子技术的发展，移动终端的拍照功能越来越强大，例如，具有双摄像头的双摄手机，在拍照功能中，背景虚化(尤其是人像虚化)功能能模拟单反相机大光圈模式，拍摄出背景虚化，前景清晰的照片，因此背景虚化功能也成为双摄手机的必备功能。双摄虚化中的虚化过程是基于双目视差估计的深度图实现的，基于深度图可以区分出前景和背景，并在背景区域实现渐变过度的虚化效果。
[0003]在实现过程中，专利技术人发现传统技术中至少存在如下问题：传统的视差估计方法(SGBM)在弱纹理、重复纹理处出现深度不准确，在边缘处出现深度突变，在主体处深度的一致性差等问题，虽然通过滤波后处理可以缓解一部分问题，但是通过手工设计的滤波器对深度图的优化依旧存在局限性。

技术实现思路

[0004]基于此，本申请提供一种图像优化方法、装置、电子设备及计算机可读存储介质，能够优化双摄深度图在弱纹理和重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像优化方法，其特征在于，包括：提供存在视差的第一图像和第二图像；根据所述第一图像和所述第二图像确定初始深度图像；将所述初始深度图像和根据所述第一图像得到的灰度图像输入深度卷积网络模型进行处理，输出优化后的深度图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像和所述第二图像确定初始深度图像，包括：将所述第一图像和所述第二图像输入双目视差估计模型进行处理，输出初始深度图像。3.根据权利要求1所述的方法，其特征在于，所述深度卷积网络模型包括第一阶段深度卷积网络子模型和第二阶段深度卷积网络子模型；所述将所述初始深度图像和根据所述第一图像得到的灰度图像输入深度卷积网络模型进行处理，输出优化后的深度图像，包括：将所述初始深度图像和根据所述第一图像得到的灰度图像输入所述第一阶段深度卷积网络子模型进行处理，输出中间处理图像；将所述中间处理图像和所述初始深度图像输入所述第二阶段深度卷积网络子模型进行处理，输出优化后的深度图像。4.根据权利要求3所述的方法，其特征在于，所述将所述初始深度图像和根据所述第一图像得到的灰度图像输入所述第一阶段深度卷积网络子模型进行处理，输出中间处理图像，包括：将所述初始深度图像和根据所述第一图像得到的灰度图像进行堆叠合并后输入所述第一阶段深度卷积网络子模型进行处理，输出所述中间处理图像。5.根据权利要求3所述的方法，其特征在于，所述将所述中间处理图像和所述初始深度图像输入所述第二阶段深度卷积网络子模型进行处理，输出优化后的深度图像，包括：将所述中间处理图像和所述初始深度图像进行堆叠合并后输入所述第二阶段深度卷积网络子模型进行处理，输出优化后的深度图像。6.根据权利要求1所述的方法，其特征在于，所述将所述初始深度图像和根据所述第一图像得到的灰度图像输入深度卷积网络模型进行处理，输出优化后的深度图像之前，所述方法还包括：基于边缘损失函数和光度深度损失函数对所述深度卷积网络模型进行约束处理，得到约束后的深度卷积网络模型；基于预设的数据集对所述约束后的深度卷积网络模型进行训练，得到训练后的深度卷积网络模型。7.根据权利要求6所述的方法，其特征在于，所述边缘损失函数为：L
edge
＝L
x
+L
y
+L
n
其中，L
edge
为所述边缘损失函数的数值，L
x
为x方向的度量边缘差异，L
y
为y方向的度量边缘差异，L
n

【专利技术属性】
技术研发人员：李鹏，刘阳兴，
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：