用于印刷品图像清晰化的神经网络模型的训练方法技术

本公开提供一种用于印刷品图像清晰化的神经网络模型的训练方法，包括：建立样本集，每个样本包括对应于相同印刷品内容的清晰图像和模糊图像；利用样本集对神经网络模型进行训练。建立样本集包括：获取清晰图像；对清晰图像执行模糊操作以得到对应的模糊图像；基于相互对应的清晰图像和模糊图像生成样本。模糊操作包括以下各项中的多个的组合：模拟拍摄时对焦不准导致的模糊的操作；模拟拍摄时抖动导致的模糊的操作；模拟数码变焦导致的模糊的操作；模拟相机的图像传感器的性能限制导致的模糊的操作；模拟拍摄环境导致的模糊的操作；模拟图像分辨率导致的模糊的操作；模拟图像质量导致的模糊的操作。本公开还涉及印刷品图像清晰化的方法。化的方法。化的方法。

【技术实现步骤摘要】
用于印刷品图像清晰化的神经网络模型的训练方法


[0001]本公开涉及图像处理
，尤其是一种用于印刷品图像清晰化的神经网络模型的训练方法。

技术介绍

[0002]当我们拍摄照片或者从网络上下载图片时，经常会遇到图像模糊的问题，这些问题会影响图像的质量和清晰度。为了解决这些问题，人们开发了图像清晰化技术。图像清晰化旨在通过去除噪声、增强对比度、增强细节和增强色彩等方法，从而改善图像的清晰度和质量。
[0003]近年来，神经网络技术的发展为图像清晰化带来了新的突破。神经网络技术的出现使图像清晰化变得更加高效、准确和普适，具有广泛的应用前景。

技术实现思路

[0004]本公开一个或多个实施例的目的之一是提供用于印刷品图像清晰化的神经网络模型的训练方法、装置及计算机可读存储介质。
[0005]根据本公开实施例的第一方面，提供一种用于印刷品图像清晰化的神经网络模型的训练方法，包括：建立样本集，所述样本集中的每个样本包括对应于相同印刷品内容的一对图像，所述一对图像包括清晰图像和模糊图像；以及利用所述样本集对所述神经网络模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于印刷品图像清晰化的神经网络模型的训练方法，包括：建立样本集，所述样本集中的每个样本包括对应于相同印刷品内容的一对图像，所述一对图像包括清晰图像和模糊图像；以及利用所述样本集对所述神经网络模型进行训练；其中，建立所述样本集包括：获取所述清晰图像；对所述清晰图像执行模糊操作以得到对应的所述模糊图像；以及基于相互对应的所述清晰图像和所述模糊图像生成样本，其中所述模糊操作包括以下各项中的多个的组合：模拟拍摄时对焦不准导致的模糊的操作；模拟拍摄时抖动导致的模糊的操作；模拟数码变焦导致的模糊的操作；模拟相机的图像传感器的性能限制导致的模糊的操作；模拟拍摄环境导致的模糊的操作；模拟图像分辨率导致的模糊的操作；模拟图像质量导致的模糊的操作；模拟光照强度导致的模糊的操作；和模拟光照颜色导致的模糊的操作。2.根据权利要求1所述的方法，其中，所述多个为2个或者3个。3.根据权利要求1所述的方法，其中，所述多个包括至少4个，所述方法还包括：在生成样本之前，基于模糊程度对模糊图像进行筛选；其中，生成样本包括：基于通过筛选的模糊图像和与其对应的所述清晰图像生成样本。4.根据权利要求1所述的方法，其中，获取所述清晰图像包括：获取来自于对真实印刷品内容的拍摄的图像；以及对所述图像进行背景去除和/或边缘...

【专利技术属性】
技术研发人员：陈明权，罗欢，何涛，
申请(专利权)人：杭州大拿科技股份有限公司，
类型：发明
国别省市：