【技术实现步骤摘要】
本公开的实施例涉及计算机，具体涉及压缩图像数据增强方法、装置、设备和计算机可读介质。
技术介绍
1、压缩图像数据增强，是对压缩图像的图像数据进行增强的一项技术。目前，在对压缩图像数据增强时，通常采用的方式为：直接通过滤波器减少压缩图像中的噪声以达到图像数据增强的效果。
2、然而，当采用上述方式对压缩图像进行数据增强时，经常会存在如下技术问题：
3、第一，通过滤波器对压缩图像进行数据增强时，会使压缩图像的高频细节信息丢失较多，引入较多新的失真。压缩导致图像信息缺失，滤波器对于丢失的图像信息不能进行修复和增强，使得增强后的压缩图像与原图的差距仍然比较大，压缩图像失真修复程度较低。
4、第二，通过滤波器对压缩图像进行数据增强时，滤波器只能通过模糊或平滑的方式来减少噪声，减少噪声的同时会造成压缩图像中较多的细小细节信息的丢失且无法对丢失的细节信息进行修复，使得增强后的压缩图像细节特征不够突出，压缩图像特征失真修复程度较低。
5、该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、本公开的一些实施例提出了压缩图像数据增强
3、第一方面，本公开的一些实施例提供了一种压缩图像数据增强方法，该方法包括：获取数据待增强压缩图像与对应上述数据待增强压缩图像的图像编码码流信息，其中，上述图像编码码流信息包括预设量化矩阵；基于数据待增强压缩图像的图像大小，对上述预设量化矩阵进行拼接，以生成对应上述数据待增强压缩图像的量化参数矩阵；获取压缩图像集、与上述压缩图像集对应的量化参数矩阵集以及压缩前的原图像集；基于上述压缩图像集、上述量化参数矩阵集与上述原图像集，对初始压缩图像数据增强模型进行训练，得到训练完成的压缩图像数据增强模型；将上述数据待增强压缩图像与所生成的量化参数矩阵输入至上述训练完成的压缩图像数据增强模型，得到数据增强后的数据增强压缩图像。
4、第二方面，本公开的一些实施例提供了一种压缩图像数据增强装置，装置包括：第一获取单元，被配置成获取数据待增强压缩图像与对应上述数据待增强压缩图像的图像编码码流信息，其中，上述图像编码码流信息包括预设量化矩阵；生成单元，被配置成基于数据待增强压缩图像的图像大小，对上述预设量化矩阵进行拼接，以生成对应上述数据待增强压缩图像的量化参数矩阵；第二获取单元，被配置成获取压缩图像集、与上述压缩图像集对应的量化参数矩阵集以及压缩前的原图像集；训练单元，被配置成基于上述压缩图像集、上述量化参数矩阵集与上述原图像集，对初始压缩图像数据增强模型进行训练，得到训练完成的压缩图像数据增强模型；数据增强单元，被配置成将上述数据待增强压缩图像与所生成的量化参数矩阵输入至上述训练完成的压缩图像数据增强模型，得到数据增强后的数据增强压缩图像。
5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的压缩图像数据增强方法，提高了压缩图像失真修复程度。具体来说，造成压缩图像失真修复程度较低的原因在于：通过滤波器对压缩图像进行数据增强时，会使压缩图像的高频细节信息丢失较多，引入较多新的失真。压缩导致图像信息缺失，滤波器对于丢失的图像信息不能进行修复和增强，使得增强后的压缩图像与原图的差距仍然比较大，压缩图像失真修复程度较低。基于此，本公开的一些实施例的压缩图像数据增强方法，首先，获取数据待增强压缩图像与对应上述数据待增强压缩图像的图像编码码流信息，其中，上述图像编码码流信息包括预设量化矩阵。由此，可以得到包括预设量化矩阵的图像编码码流信息。上述预设量化矩阵可以表示局部图像的压缩程度和保留程度信息。然后，基于数据待增强压缩图像的图像大小，对上述预设量化矩阵进行拼接，以生成对应上述数据待增强压缩图像的量化参数矩阵。由此，可以得到用于对上述数据待增强压缩图像进行数据增强的量化参数矩阵。上述量化参数矩阵可以表示上述数据待增强压缩图像的整体压缩程度和保留程度信息。接着，获取压缩图像集、与上述压缩图像集对应的量化参数矩阵集以及压缩前的原图像集。由此，可以得到用于对初始压缩图像数据增强模型进行训练的压缩图像集、与上述压缩图像集对应的量化参数矩阵集、压缩前的原图像集。然后，基于上述压缩图像集、上述量化参数矩阵集与上述原图像集，对初始压缩图像数据增强模型进行训练，得到训练完成的压缩图像数据增强模型。由此，可以对初始压缩图像数据增强模型进行训练，得到训练完成的压缩图像数据增强模型。通过对初始压缩图像数据增强模型进行训练，模型可以学习到量化参数矩阵对压缩图像修复的影响，以及最大限度地利用量化参数矩阵对压缩图像进行数据增强，对丢失的图像信息进行修复，使得数据增强后的压缩图像与原图像差距较小。最后，将上述数据待增强压缩图像与所生成的量化参数矩阵输入至上述训练完成的压缩图像数据增强模型，得到数据增强后的数据增强压缩图像。由此，可以通过压缩图像数据增强模型根据量化参数矩阵对数据待增强压缩图像进行数据增强，得到数据增强后的数据增强压缩图像。也因为采用了利用先验信息即压缩图像集、量化参数矩阵集与原图像集对初始压缩图像数据增强模型进行训练，使得训练后的压缩图像数据增强模型能够最大限度地利用量化参数矩阵对待压缩图像进行数据增强，对丢失的图像信息进行修复，减少了数据增强后的压缩图像与原图像差距。进而提高了压缩图像失真修复程度。
本文档来自技高网...【技术保护点】
1.一种压缩图像数据增强方法，包括：
2.根据权利要求1所述的方法，其中，所述基于数据待增强压缩图像的图像大小，对所述预设量化矩阵进行拼接，以生成对应所述数据待增强压缩图像的量化参数矩阵，包括：
3.根据权利要求1所述的方法，其中，所述基于所述压缩图像集、所述量化参数矩阵集与所述原图像集，对初始压缩图像数据增强模型进行训练，得到训练完成的压缩图像数据增强模型，包括：
4.根据权利要求3所述的方法，其中，所述基于增强数据与样本目标数据，确定损失函数值，包括：
5.根据权利要求1所述的方法，其中，在所述将所述数据待增强压缩图像与所生成的量化参数矩阵输入至所述训练完成的压缩图像数据增强模型，得到数据增强后的数据增强压缩图像之后，所述方法还包括：
6.一种压缩图像数据增强装置，包括：
7.一种电子设备，包括：
8.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至5中任一所述的方法。
【技术特征摘要】
1.一种压缩图像数据增强方法，包括：
2.根据权利要求1所述的方法，其中，所述基于数据待增强压缩图像的图像大小，对所述预设量化矩阵进行拼接，以生成对应所述数据待增强压缩图像的量化参数矩阵，包括：
3.根据权利要求1所述的方法，其中，所述基于所述压缩图像集、所述量化参数矩阵集与所述原图像集，对初始压缩图像数据增强模型进行训练，得到训练完成的压缩图像数据增强模型，包括：
4.根据权利要求3所述的方法，其中，所述基于增强...
【专利技术属性】
技术研发人员：昝劲文，周学武，张韵东，
申请(专利权)人：广东中星电子有限公司，
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。