图像处理制造技术

本申请实施例提供了一种图像处理

【技术实现步骤摘要】
图像处理、网络训练方法、装置、电子设备及存储介质


[0001]本申请涉及深度学习
，特别是涉及一种图像处理
、
网络训练方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]随着图像处理技术的快速发展，在安防
、
智慧交通等领域中，用户都需要获得较高分辨率的图像，以从图像中获取所需的信息
。
例如，确定采集的图像中车辆的车牌号，或者，识别采集的图像中人物的身份
。
然而，在实际采集图像时，往往受到图像采集设备自身性能的影响，导致采集到的图像的分辨率较低，使得用户无法从采集的图像中获取所需的信息
。
[0003]因此，亟需一种图像处理方法，获取到较低分辨率的图像对应的较高分辨率的图像
。

技术实现思路

[0004]本申请实施例的目的在于提供一种图像处理
、
网络训练方法
、
装置
、
电子设备及存储介质，能够得到待处理图像对应的较高分辨率的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像处理方法，其特征在于，所述方法包括：获取待处理图像；通过预先训练的生成器网络提取所述待处理图像的图像特征，并基于提取到的图像特征中各像素点对应的空间注意力权重，得到目标图像；其中，所述目标图像与所述待处理图像的图像内容一致，且所述目标图像的分辨率高于所述待处理图像的分辨率；所述生成器网络属于基于判别器网络进行训练获得的生成对抗网络，所述判别器网络用于对图像细节信息的约束；所述生成对抗网络为基于预设样本图像对进行训练得到的，所述预设样本图像对包含第一分辨率的第一样本图像，以及与所述第一样本图像的图像内容一致的第二分辨率的第二样本图像，所述第一分辨率高于所述第二分辨率
。2.
根据权利要求1所述的方法，其特征在于，所述生成器网络采用如下步骤训练获得：获取所述预设样本图像对；其中，所述预设样本图像对中的第二样本图像为对应的第一样本图像进行多阶段的图像退化处理得到的；将所述第二样本图像输入待训练的生成器网络，获得第三样本图像；分别将所述第三样本图像和所述第一样本图像输入至待训练的判别器网络，得到所述第三样本图像为真实图像的概率，以及所述第一样本图像为真实图像的概率；基于第三样本图像为真实图像的概率，以及所述第一样本图像为真实图像的概率，计算所述判别器网络的损失值，以及所述生成器网络的损失值；基于所述判别器网络的损失值调整所述判别器网络的网络参数，以及基于所述生成器网络的损失值调整所述生成器网络的网络参数，继续训练，直到所述生成器网络和判别器网络收敛
。3.
根据权利要求1或2所述的方法，其特征在于，所述预设样本图像对的生成过程，包括：获取所述第一样本图像；针对每一第一样本图像，在每一阶段，基于对应的图像退化处理方式对前一阶段的处理结果进行图像退化处理；其中，一个阶段对应的图像退化处理方式包含基于从模糊核集合中选择的模糊核，以及从所述模糊核集合中各模糊核对应的模糊参数区间中选择的模糊参数，对前一阶段的处理结果进行图像退化处理；每一阶段中模糊核对应的模糊参数区间，小于前一阶段中模糊核对应的模糊参数区间；基于最后一阶段的处理结果，得到对应的第二样本图像
。4.
根据权利要求3所述的方法，其特征在于，一个阶段对应的图像退化处理方式还包括：基于从噪声模型集合中选择的噪声模型，以及从所述噪声模型集合中各噪声模型对应的噪声参数区间中选择的噪声参数进行加噪；每一阶段中噪声模型对应的噪声参数区间，小于前一阶段中噪声模型对应的噪声参数区间；和
/
或，进行分辨率变换
。5.
根据权利要求3所述的方法，其特征在于，所述基于最后一阶段的处理结果，得到对应的第二样本图像，包括：
在最后一阶段的处理结果加入振铃效应和过度锐利伪影的模拟，得到对应的第二样本图像
。6.
根据权利要求2所述的方法，其特征在于，所述生成器网络的训练过程还包括：在将所述第二样本图像输入待训练的生成器网络，获得第三样本图像之前，将所述预设样本图像对中的第二样本图像输入至预设结构的图像生成网络，得到预测样本图像；基于所述预测样本图像与所述第二样本图像对应的第一样本图像之间的差异，计算对应的损失值；基于确定的损失值调整所述预设结构的图像生成网络的网络参数，继续训练，直到所述预设结构的图像生成网络收敛，得到所述待训练的生成器网络
。7.
根据权利要求2所述的方法，其特征在于，所述基于第三样本图像为真实图像的概率，以及所述第一样本图像为真实图像的概率，计算所述判别器网络的损失值，以及所述生成器网络的损失值，包括：基于第三样本图像为真实图像的概率
、
所述第三样本图像的第一标签
、
所述第三样本图像对应的第一样本图像为真实图像的概率，以及所述第一样本图像的第二标签，计算所述生成对抗网络对应的最小二乘损失值，作为所述判别器网络的损失值；基于所述第三样本图像和对应的第一样本图像之间的差异，计算第一损失值；基于所述第三样本图像为真实图像的概率，以及所述第三样本图像的第三标签，计算所述生成器网络对应的最小二乘损失值，作为第二损失值；基于所述第三样本图像和对应的第一样本图像各自的感知特征之间的差异，计算第三损失值；基于所述第一损失值
、
第二损失值以及所述第三损失值，计算所述生成器网络的损失值
。8.
根据...

【专利技术属性】
技术研发人员：陈其航，
申请(专利权)人：杭州萤石软件有限公司，
类型：发明
国别省市：