图像重建方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像重建方法、装置、电子设备及存储介质，该方法包括对待处理图像进行第一采样处理得到第一特征图像，并将第一特征图像输入至训练后的残差网络中进行特征提取处理，得到第二特征图像，残差网络采用1x1卷积算子进行特征提取处理，然后对第二特征图像进行第二采样处理，得到第三特征图像，最后根据第三特征图像，生成待处理图像对应的目标图像。采用本发明专利技术实施例，通过对特征图像仅进行1x1卷积处理，能够减少图像超分辨率重建过程所需的计算量，从而有效降低图像超分辨率重建方案的部署难度。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种图像重建方法、装置、电子设备及存储介质。

技术介绍

1、图像复原作为计算机视觉领域存在已久的一种研究方向，它在不同平台有着不同的应用需求，比如手机端的图像画质增强，包含图像超分、降噪、细节增强等；在tv端以及其他工业场景同样有不少类似的需求。自深度学习的兴起之后，cnn(convolutional neuralnetwork，卷积神经网络)方案成为了图像复原技术的主流，比如用于图像超分的srcnn(super-resolution convolutional neural network，图像超分辨率重建网络)、edsr(enhanced deep residual networks for single image super-resolution，增强型深度残差网络)、rcan(residual channel attention network，深度残差通道注意力网络)等技术，用于图像降噪的dncnn(denoising convolutional neural network，去噪卷积神经网络)、ffdnet(t本文档来自技高网...

【技术保护点】

1.一种图像重建方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述特征提取处理还包括移位处理，所述将所述第一特征图像输入至训练后的残差网络中进行特征提取处理，得到第二特征图像，包括：

3.如权利要求2所述的方法，其特征在于，所述获取与所述第一特征图像的中心点相邻的特征点对应的移位特征图像，包括：

4.如权利要求3所述的方法，其特征在于，在所述将所述第一特征图像输入至训练后的残差网络中进行特征提取处理，得到第二特征图像的步骤之前，所述方法还包括：

5.如权利要求1所述的方法，其特征在于，所述对待处理图像进行第一采样处理，得...

【技术特征摘要】

1.一种图像重建方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述特征提取处理还包括移位处理，所述将所述第一特征图像输入至训练后的残差网络中进行特征提取处理，得到第二特征图像，包括：

3.如权利要求2所述的方法，其特征在于，所述获取与所述第一特征图像的中心点相邻的特征点对应的移位特征图像，包括：

4.如权利要求3所述的方法，其特征在于，在所述将所述第一特征图像输入至训练后的残差网络中进行特征提取处理，得到第二特征图像的步骤之前，所述方法还包括：

5.如权利要求1所述的方法，其特征在于，所述对待处理图像进行第一采样处理，得到第一特征图像，包括：

6.如权利要求...

【专利技术属性】
技术研发人员：王树朋，刘阳兴，
申请(专利权)人：武汉TCL集团工业研究院有限公司，
类型：发明
国别省市：