一种图像修复方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种图像修复方法、装置及电子设备，应用于图像处理技术领域。该方法包括：确定待修复图像中不同对象所处的区域位置和对象标签；采用预先针对各对象标签所设置的图像修复方式，分别对待修复图像中各对象标签对应的区域位置处的图像区域进行修复，得到修复后的图像；其中，每一对象标签对应的区域位置：该对象标签所属对象在待修复图像中所处的区域位置。通过本方案，可以提高图像修复的修复质量。的修复质量。的修复质量。

【技术实现步骤摘要】
一种图像修复方法、装置及电子设备


[0001]本专利技术涉及图像处理
，特别是涉及一种图像修复方法、装置及电子设备。

技术介绍

[0002]图像修复(Image Restoration)是指通过一系列处理方法，恢复或重建损坏、缺失或噪声干扰的数字图像，以提高其质量和信息可用性的过程。图像修复可以应用于各种领域，如数字图像、遥感图像、医学影像等等，以改善图像的显示效果和准确性。
[0003]相关技术中，大多利用单个图像修复算法对图像全局进行处理，例如利用图像修复模型对整张图像进行修复处理，然而，一张图像中往往包含不同类型的对象，利用单个图像修复算法对图像全局进行处理往往缺少针对性的修复，导致图像修复的修复质量较差。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种图像修复方法、装置及电子设备，以提高图像修复的修复质量。具体技术方案如下：
[0005]第一方面，本专利技术实施例提供一种图像修复方法，所述方法包括：
[0006]确定待修复图像中不同对象所处的区域位置和对象标签；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像修复方法，其特征在于，所述方法包括：确定待修复图像中不同对象所处的区域位置和对象标签；采用预先针对各对象标签所设置的图像修复方式，分别对所述待修复图像中各对象标签对应的区域位置处的图像区域进行修复，得到修复后的图像；其中，每一对象标签对应的区域位置：该对象标签所属对象在所述待修复图像中所处的区域位置。2.根据权利要求1所述的方法，其特征在于，所述采用预先针对各对象标签所设置的图像修复方式，分别对所述待修复图像中各对象标签对应的区域位置处的图像区域进行修复，得到修复后的图像，包括：对所述待修复图像进行特征提取，得到所述待修复图像的浅层图像特征；从所述浅层图像特征中，确定位于每一对象标签对应的区域位置处的区域特征，作为每一对象标签对应的区域特征；基于预先针对每一对象标签所设置的深层特征提取方式，对每一对象标签对应的区域特征进行深层特征提取，得到该对象标签对应的深度图像特征；对各对象标签对应的深度图像特征进行特征重建，得到修复后的图像。3.根据权利要求2所述的方法，其特征在于，所述基于预先针对每一对象标签所设置的深层特征提取方式，对每一对象标签对应的区域特征进行深层特征提取，得到该对象标签对应的深度图像特征，包括：确定与每一对象标签对应的深层特征提取参数；针对每一对象标签，基于该对象标签对应的深层特征提取参数，对该对象标签对应的区域特征进行深层特征提取，得到该对象标签对应的深度图像特征。4.根据权利要求3所述的方法，其特征在于，所述确定与每一对象标签对应的深层特征提取参数，包括：基于预设的对象标签与深层特征提取参数之间的对应关系，从预设的各深层特征提取参数中，筛选与所述待修复图像中每一对象标签对应的深层特征提取参数；和/或，针对每一对象标签，对所述待修复图像中该对象标签对应的区域位置处的图像区域进行特征提取，得到该对象标签对应的区域图像特征；基于该对象标签对应的区域图像特征，确定该对象标签对应的深层特征提取参数。5.根据权利要求4所述的方法，其特征在于，所述对所述待修复图像中该对象标签对应的区域位置处的图像区域进行特征提取，得到该对象标签对应的区域图像特征，包括：利用特征识别网络，对所述待修复图像中该对象标签对应的区域位置处的图像区域进行特征提取，得到该对象标签对应的区域图像特征；其中，所述特征识别网络的网络结构为第一对象识别模型中用于提取特征的网络的网络结构；所述第一对象识别模型为用于进行对象识别的神经网络模型。6.根据权利要求4所述的方法，其特征在于，所述基于该对象标签对应的区域图像特征，确定该对象标签对应的深层特征提取参数，包括：将该对象标签对应的区域图像特征输入预设的与该对象标签对应的全连接层，得到该对象标签对应的深层特征提取参数。
7.根据权利要求3所述的方法，其特征在于，所述深层特征提取参数为深度特征提取网络中指定网络参数的网络参数值；所述针对每一对象标签，基于该对象标签对应的深层特征提取参数，对该对象标签对应的区域特征进行深层特征提取，得到该对象标签对应的深度图像特征，包括：针对每一对象标签，将该对象标签对应的网络参数值载入所述深度特征提取网络中所述指定网络参数中；利用已变更网络参数值的深层特征提取网络，对该对象标签对应的区域特征进行特征提取，得到该对象标签对应的深度图像特征。8.根据权利要求7所述的方法，其特征在于，所述指定网络参数为所述深度特征提取网络包含的全部网络参数，或者所述深度特征提取网络中指定卷积层的网络参数。9.根据权利要求1所述的方法，其特征在于，所述确定待修复图像中不同对象所处的区域位置和对象标签，包括：对所述待修复图像进行语义分割，得到所述待修复图像中不同对象所处的区域位置和对象标签；和/或，对所述待修复图像进行图像分割，确定所述待修复图像不同对象所处的区域位置；分别对所述待修复图像中各区域位置处的图像区域进行对象识别，得到所述各区域位置处对应的对象标签；和/或，对所述待修复图像进行关键点识别，得到所述待修复图像中的各关键点；基于所述各关键点，确定所述待修复图像不同对象所处的区域位置和对象标签。10.根据权利要求1
‑
9任一项所述的方法，其特征在于，所述方法应用于图像修复模型；所述图像修复模型的训练方式包括：获取样本图像和所述样本图像对应的真值图像；将所述样本图像输入待训练的图像修复模型，以使所述待训练的图像修复模型确定所述样本图像中不同对象所处的区域位置和对象标签；采用针对各对象标签所设置的待训练的图像修复方式，分...

【专利技术属性】
技术研发人员：朱丹，段然，孙梦笛，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：