本发明专利技术公开了一种基于云桌面的图像画质增强方法及系统，包括：S1：获取原始图像和传输至云桌面的云桌面端图像，并对图像进行去噪，得到去噪后的原始图像和云桌面端图像；S2：提取去噪后的原始图像和云桌面端图像的图像梯度；S3：基于S1中去噪后的原始图像和云桌面端图像和S2中提取出的图像，构建超分辨率重建网络；S4：对S3中构建的网络进行训练，基于训练完成的超分辨率重建网络获得清晰度提高的云桌面端图像；S5：对清晰度提高的云桌面端图像进行动态范围调整，获得最终画质增强的云桌面端图像。本发明专利技术具备提升图像清晰度、改善视觉体验、提高应用可用性、保持传输和处理效率以及提供自适应性和可定制性等方面的优势。提供自适应性和可定制性等方面的优势。提供自适应性和可定制性等方面的优势。
【技术实现步骤摘要】
一种基于云桌面的图像画质增强方法及系统
[0001]本专利技术属于图像画质增强领域，尤其涉及一种基于云桌面的图像画质增强方法和系统。
技术介绍
[0002]在云桌面环境中，图像画质对于用户体验和应用场景的要求至关重要。然而，由于传输和处理的限制，云桌面端图像可能受到噪声、低清晰度和动态范围限制等问题的影响，降低了图像的质量和观感。因此，需要一种能够提升云桌面端图像画质的方法，通过去噪、超分辨率重建和动态范围调整等技术，实现图像的清晰度提高和视觉效果增强。在现有技术中，已经存在一些图像增强方法，但它们可能存在一些局限性，如处理效率低、复杂度高、画质损失等。这些方法在图像增强过程中涉及复杂的算法和计算，导致处理时间长，不适用于实时性要求高的云桌面环境。同时，这些方法在提高图像清晰度的同时，可能会引入额外的噪声或伪影，导致画质损失或视觉不自然。
技术实现思路
[0003]有鉴于此，本专利技术提供一种基于云桌面的图像画质增强方法和系统，目的在于通过去噪、超分辨率重建和动态范围调整等步骤，使云桌面端图像在保证传输和处理效率的前提下，提供更高质量的视觉体验。
[0004]实现上述目的，本专利技术提供的一种基于云桌面的图像画质增强方法，包括以下步骤：
[0005]S1：获取原始图像和传输至云桌面的云桌面端图像，并对图像进行去噪，得到去噪后的原始图像和云桌面端图像；
[0006]S2：提取去噪后的原始图像和云桌面端图像的图像梯度；
[0007]S3：基于S1中去噪后的原始图像和云桌面端图像和S2中提取出的图像，构建超分辨率重建网络；
[0008]S4：对S3中构建的网络进行训练，基于训练完成的超分辨率重建网络获得清晰度提高的云桌面端图像；
[0009]S5：对清晰度提高的云桌面端图像进行动态范围调整，获得最终画质增强的云桌面端图像。
[0010]作为本专利技术的进一步改进方法：
[0011]可选的，所述S1步骤中获取原始图像和传输至云桌面的云桌面端图像，并对图像进行去噪，得到去噪后的原始图像和云桌面端图像，包括：
[0012]获取原始图像和传输至云桌面的云桌面端图像，所获取的图像数据为：
[0013][0014]其中，和分别为获取的第i张原始图像和云桌面端图像；
[0015]基于自适应时空中值滤波对原始图像和云桌面端图像进行去噪，所述自适应时空中值滤波的流程为：
[0016]S11：计算自适应滤波窗口大小：
[0017][0018]其中，size表示滤波窗口大小，th为窗口筛选阈值，其计算方式为：
[0019][0020]其中，，，分别为第i张图像的最大值、最小值和均值；为第i
‑
1张图像的均值；
[0021]S12：计算时空中值滤波结果：
[0022]令为第i张图像的中值滤波窗口，为第i
‑
1张图像的中值滤波窗口，则中值滤波的结果为：
[0023][0024]其中，函数计算输入序列的中值；，和分别为原始图像和云桌面端图像。
[0025]可选的，所述S2步骤中提取去噪后的原始图像和云桌面端图像的图像梯度，包括：
[0026]基于S2中获得的去噪后的原始图像和云桌面端图像的图像，使用图像边缘响应计算图像的梯度，所述图像边缘响应的计算流程为：
[0027]S21：构建任意方向的图像边缘检测算子：
[0028][0029]其中，表示图像边缘的角度；为像素坐标位置；和分别是沿x轴和y轴的微分算子，计算方式为：
[0030][0031]其中，为高斯函数的方差；e为自然常数；
[0032]S22：计算图像的边缘响应：
[0033][0034]其中，和分别是沿x轴和y轴的边缘响应：
[0035][0036]其中，表示卷积操作；，和分别为去噪后的原始图像和云桌面端图像的图像；
[0037]S23：综合图像的边缘响应计算图像的梯度：
[0038][0039]其中，为图像边缘的角度种类，分别是、、和；为角度下的边缘响应；，和分别为去噪后的原始图像和云桌面端图像的图像的梯度。
[0040]可选的，所述S3步骤中基于S1中去噪后的原始图像和云桌面端图像和S2中提取出的图像，构建超分辨率重建网络，包括：
[0041]将S1获得的去噪后的原始图像和云桌面端图像和S2中提取出的梯度输入至超分辨率重建网络，所述超分辨率重建网络的流程为：
[0042]S31：定义超分辨率重建网络的输出：
[0043][0044]其中，SR为超分辨率重建网络，和分别为超分辨率重建网络的权重和偏置；和分别为清晰度提高后的云桌面端图像及其梯度；
[0045]S32：计算超分辨率重建网络的损失函数：
[0046]超分辨率重建网络的损失函数由两部分构成，第一部分计算清晰度提高后的云桌面端图像和去噪后的原始图像之间的误差：
[0047][0048]其中，H，W和C分别为图像的高、宽和维度；，，；
[0049]第二部分计算清晰度提高后的云桌面端图像的梯度和去噪后的原始图像的梯度之间的误差：
[0050][0051]综合上述两部分的误差组成超分辨率重建网络的损失函数：
[0052][0053]其中，为平衡系数。
[0054]可选的，所述S4步骤中对S3中构建的网络进行训练，基于训练完成的超分辨率重建网络获得清晰度提高的云桌面端图像，包括：
[0055]超分辨率重建网络的参数更新目标为：
[0056][0057]其中，和分别为更新后得到的超分辨率重建网络的权重和偏置；表示获取最小化时超分辨率重建网络的参数；
[0058]参数更新的方式为：
[0059][0060]其中，；为动量系数，控制参数更新取决于上一次更新的比重；为学习率，控制参数更新的幅度；t为当前更新次数；为第t次参数更新的大小；表示损失函数对超分辨率重建网络参数的偏导；
[0061]超分辨率重建网络训练完成后，将去噪后的云桌面端图像输入超分辨率重建网络获得清晰度提高的云桌面端图像：
[0062][0063]其中，和分别为清晰度提高的云桌面端图像和对应的图像梯度。
[0064]可选的，所述S5步骤中对清晰度提高的云桌面端图像进行动态范围调整，获得最终画质增强的云桌面端图像，包括：
[0065]根据动态范围调整的区间对清晰度提高的云桌面端图像进行动态范围调整，所述动态范围调整的计算方法为：
[0066][0067]其中，为动态调整范围；为清晰度提高的云桌面端图像；为最终画质增强的云桌面端图像。
[0068]本专利技术还提供了一种基于云桌面的图像画质增强系统，包括：
[0069]图像采集及去噪模块：采集原始图像和传输至云桌面的云桌面端图像，并对图像进行去噪；
[0070]图像梯度提取模块：提取去噪后的原始图像和云桌面端图像的图像梯度
[0071本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于云桌面的图像画质增强方法，其特征在于，包括以下步骤：S1：获取原始图像和传输至云桌面的云桌面端图像，并对图像进行去噪，得到去噪后的原始图像和云桌面端图像；S2：提取去噪后的原始图像和云桌面端图像的图像梯度；S3：基于S1中去噪后的原始图像和云桌面端图像和S2中提取出的图像，构建超分辨率重建网络；S4：对S3中构建的网络进行训练，基于训练完成的超分辨率重建网络获得清晰度提高的云桌面端图像；S5：对清晰度提高的云桌面端图像进行动态范围调整，获得最终画质增强的云桌面端图像。2.根据权利要求1所述的基于云桌面的图像画质增强方法，其特征在于，所述步骤S1中，包括：获取原始图像和传输至云桌面的云桌面端图像，所获取的图像数据为：；其中，和分别为获取的第i张原始图像和云桌面端图像；基于自适应时空中值滤波对原始图像和云桌面端图像进行去噪，所述自适应时空中值滤波的流程为：S11：计算自适应滤波窗口大小：；其中，size表示滤波窗口大小，th为窗口筛选阈值，其计算方式为：；其中，，，分别为第i张图像的最大值、最小值和均值；为第i
‑
1张图像的均值；S12：计算时空中值滤波结果：令为第i张图像的中值滤波窗口，为第i
‑
1张图像的中值滤波窗口，则中值滤波的结果为：；其中，函数计算输入序列的中值；，和分别为原始图像和云桌面端图像。
3.根据权利要求2所述的基于云桌面的图像画质增强方法，其特征在于，所述步骤S2中，包括：基于S2中获得的去噪后的原始图像和云桌面端图像的图像，使用图像边缘响应计算图像的梯度，所述图像边缘响应的计算流程为：S21：构建任意方向的图像边缘检测算子：；其中，表示图像边缘的角度；为像素坐标位置；和分别是沿x轴和y轴的微分算子，计算方式为：；其中，为高斯函数的方差；e为自然常数；S22：计算图像的边缘响应：；其中，和分别是沿x轴和y轴的边缘响应：；其中，表示卷积操作；，和分别为去噪后的原始图像和云桌面端图像的图像；S23：综合图像的边缘响应计算图像的梯度：；其中，为图像边缘的角度种类，分别是、、和；为角度下的边缘响应；，和分别为去噪后的原始图像和云桌面端图像的图像的梯度。4.根据权利要求3所述的基于云桌面的图像画质增强方法，其特征在于，所述步骤...
【专利技术属性】
技术研发人员：吴德志，刘洋，杨俊，左明放，肖尧威，
申请(专利权)人：湖南纵骏信息科技有限公司，
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。