图像增强模型的训练方法、图像处理方法及相关设备技术

本发明专利技术公开了一种图像增强模型的训练方法、图像处理方法、装置、电子设备及存储介质，该方法包括：获取待训练的图像对，所述图像对包括初始图像及基础图像，所述基础图像的分辨率高于所述初始图像的分辨率；基于所述初始图像对所述基础图像进行预处理，得到与所述初始图像尺寸一致的训练图像；根据所述初始图像、所述基础图像以及所述训练图像，对待训练的图像增强模型进行学习训练；返回执行获取待训练的图像对的步骤，继续对所述图像增强模型进行训练，直到所述待训练的图像增强模型收敛时，停止进程。实现在进行图像增强时，提高低分辨率图像增强到高分辨率图像的准确性和便捷性。率图像增强到高分辨率图像的准确性和便捷性。率图像增强到高分辨率图像的准确性和便捷性。

【技术实现步骤摘要】
图像增强模型的训练方法、图像处理方法及相关设备


[0001]本专利技术涉及图像处理
，尤其涉及一种图像增强模型的训练方法、图像处理方法、装置、电子设备及存储介质。

技术介绍

[0002]随着科技的不断发展，人机交互的体验方式越来越多的出现在人们的生活和娱乐中，而手势识别作为人机交互的一种重要方式，占据着极为重要的地位。在进行手势识别时，对于近距离的手势图像可以快速准确的完成识别，但是对于远距离的手势图像，因为远距离所采集到的图像中手势的面积占比较小，使得在进行识别时需要对图像进行一定的处理，比如图像增强。
[0003]常见的在进行远距离手势图像的识别的方式也有多种，但是都存在有一定的缺陷，比如，SIFT算法具有高稳定性但要求图像中目标有足够多的纹理、SURF算法在进行识别时计算量巨大、利用上下文信息的模型进行识别时需要在提取上下文信息时进行额外的标注信息。
[0004]因此，亟需一种基于远距离的低分辨率的手势图像，生成高清晰度和高还原度的高分辨率图像的处理方法。

技术实现思路

[0005]本专利技术实施例的目的是提供一种图像增强模型的训练方法、图像处理方法及相关设备，旨在提高低分辨率图像增强到高分辨率图像的准确性和便捷性。
[0006]在第一方面，为实现上述目的，本专利技术实施例提供了一种图像处理方法，包括：
[0007]获取待训练的图像对，所述图像对包括初始图像及基础图像，所述基础图像的分辨率高于所述初始图像的分辨率；
[0008]基于所述初始图像对所述基础图像进行预处理，得到与所述初始图像尺寸一致的训练图像；
[0009]根据所述初始图像、所述基础图像以及所述训练图像，对待训练的图像增强模型进行学习训练；
[0010]返回执行获取待训练的图像对的步骤，继续对所述图像增强模型进行训练，直到所述待训练的图像增强模型收敛时，停止进程。
[0011]在第二方面，为了解决相同的技术问题，本专利技术实施例提供了一种图像处理方法，包括：
[0012]当满足图像采集条件时，采集图像，并加载图像增强模型；
[0013]将所述采集的图像输入至所述图像增强模型中，根据所设定的图像域信息对所述采集的图像进行图像校正，并在完成校正时对校正后的图像进行图像增强处理，输出对应图像。
[0014]在第三方面，为了解决相同的技术问题，本专利技术实施例提供了一种图像处理装置，
包括：
[0015]训练图像获取模块，用于获取待训练的图像对，所述图像对包括初始图像及基础图像，所述基础图像的分辨率高于所述初始图像的分辨率；
[0016]训练图像处理模块，用于基于所述初始图像对所述基础图像进行预处理，得到与所述初始图像尺寸一致的训练图像；
[0017]模型训练处理模块，用于根据所述初始图像、所述基础图像以及所述训练图像，对待训练的图像增强模型进行学习训练；
[0018]模型训练判断模块，用于返回执行获取待训练的图像对的步骤，继续对所述图像增强模型进行训练，至所述待训练的图像增强模型收敛时，停止进程。
[0019]在第四方面，为了解决相同的技术问题，本专利技术实施例提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述存储器与所述处理器耦接，且所述处理器执行所述计算机程序时，实现上述任一项所述的图像处理方法中的步骤。
[0020]在第五方面，为了解决相同的技术问题，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的图像处理方法中的步骤。
[0021]本专利技术实施例提供了一种图像增强模型的训练方法、图像处理方法、装置、电子设备及存储介质，该方法通过在进行图像处理之前对所构建的图像增强模型进行训练和优化，并在训练和优化完成之后，实现对远距离的低分辨率的手势图像的图像处理，具体地，在进行模型的训练时，获取用于训练的一低分辨率的初始图像，以及任一一高分辨率图像，然后根据初始图像对高分辨率图像进行降尺寸处理，以使得高分辨率的基础图像变为一低分辨率的训练图像，进而再对所构建的图像增强模型进行训练，得到可以用于增强手势图像细节和提高分辨率的图像增强模型。实现了快速准确的完成对低分辨率图像的图像增强，使得增强得到的高分辨率图像具有更好的准确性，可以更好的提高手势识别的效率和准确性。
附图说明
[0022]图1是本专利技术实施例提供的图像增强模型的训练方法的一种流程示意图；
[0023]图2是本专利技术实施例提供的远距离图像的一种示意图；
[0024]图3是本申请实施例提供的得到训练图像的步骤的一种流程示意图；
[0025]图4是本专利技术实施例提供的图像增强模型的结构示意图；
[0026]图5为本申请实施例提供的进行模型训练的步骤的一种流程示意图；
[0027]图6为本申请实施例提供的对对齐模块进行训练的步骤的一种流程示意图；
[0028]图7为本申请实施例提供的信息萃取单元的结构示意图；
[0029]图8为本申请实施例提供的对增强模型进行训练的步骤的一种流程示意图；
[0030]图9是本专利技术实施例提供的图像增强模型的训练装置的一种结构示意图；
[0031]图10是本专利技术实施例提供的电子设备的一种结构示意图；
[0032]图11是本专利技术实施例提供的电子设备的另一种结构示意图。
具体实施方式
[0033]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]应当理解的是，本专利技术公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本专利技术公开的范围在此方面不受限制。
[0035]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0036]请参见图1，图1是本专利技术实施例提供的图像增强模型的训练方法的一种流程示意图，如图1所示，本专利技术实施例提供的图像处理方法包括步骤101至步骤106；
[0037]步骤101、获取待训练的图像对，所述图像对包括初始图像及基础图像，所述基础图像的分辨率高于所述初始图像的分辨率。
[0038]对于远距离的手势图像，在进行手势识别时，需要对所采集到的手势图像进行相应的处理，以便准确的完成手势识别，而在进行图像处理时，主要是对所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像增强模型的训练方法，其特征在于，包括：获取待训练的图像对，所述图像对包括初始图像及基础图像，所述基础图像的分辨率高于所述初始图像的分辨率；基于所述初始图像对所述基础图像进行预处理，得到与所述初始图像尺寸一致的训练图像；根据所述初始图像、所述基础图像以及所述训练图像，对待训练的图像增强模型进行学习训练；返回执行获取待训练的图像对的步骤，继续对所述图像增强模型进行训练，直到所述待训练的图像增强模型收敛时，停止进程。2.根据权利要求1所述的方法，其特征在于，所述基于所述初始图像对所述基础图像进行预处理，得到与所述初始图像尺寸一致的训练图像，包括：基于所述初始图像及所述基础图像的尺寸获取调整比例；基于所述调整比例对所述基础图像进行加权处理，得到所述训练图像。3.根据权利要求1所述的方法，其特征在于，所述待训练图像增强模型包括对齐模块、校正模块以及增强模块，所述根据所述初始图像、基础图像以及所述训练图像，对待训练图像增强模型进行学习训练，包括：根据所述初始图像以及所述训练图像对所述对齐模块进行训练，并在训练后的对齐模块收敛时得到所述训练图像对应的对齐图像；根据所述初始图像和所述对齐图像对所述校正模块进行训练，并在训练后的校正模块收敛时得到所述初始图像对应的第一校正图像和所述训练图像对应的第二校正图像；根据所述第一校正图像、所述第二校正图像以及所述基础图像对所述图像增强模块进行训练。4.根据权利要求3所述的方法，其特征在于，所述对齐模块包括对齐单元和第一判断单元，所述根据所述初始图像以及所述训练图像对所述对齐模块进行训练，包括：获取一噪声特征，并将所述噪声特征与所述训练图像输入至所述对齐单元，得到所述训练图像对应的第一对齐图像；将所述第一对齐图像以及所述初始图像输入至所述第一判断单元，得到所述对齐模块的训练结果，其中所述训练结果包括训练完成和训练未完成中任一项。5.根据权利要求3所述的方法，其特征在于，所述校正模块包括反向对齐单元和第二判断单元，所述根据初始图像和对齐图像对所述校正模块进行训练，包括：将所述初始图像输入至所述反向对齐单元，得到第一反向对齐图像；将所述第一反向对齐图像以及所述对齐图像输入至所述第二判断单元，得到所述校正模块的训练结果，其中所述训练结果包括训练完成和训练未完成中任一项。6.根据权利要求5所述的方法，其特征在于，所述反向对齐单元包括特征提取层、信息萃取单元以及融合层，所述将所述初始图像输入至所述反向对齐单元，得到第一反向对齐图像，包括：将所述初始图像输入至所述特征提取层，得到所述初始图像对应的初始特征；将所述初始特征输入至所述信息萃取单元，得到萃取特征；将所述初始特征以及所述萃取特征输入至所述融合层，得到第一反向对齐图像。
7.根...

【专利技术属性】
技术研发人员：綦晨晓，霰心培，
申请(专利权)人：TCL科技集团股份有限公司，
类型：发明
国别省市：