【技术实现步骤摘要】
本文涉及图像处理领域，尤其是一种基于机器学习的失真图像处理方法、装置及计算机设备。
技术介绍
1、端到端的图像压缩目前取得了快速的发展，但数字图像在压缩或再压缩之前，图像采集和处理的每个阶段都可能导致数字图像的质量降低，引起图像失真。
2、现有技术中，端到端的图像编解码器通常只能保证输入图像和解码图像之间的保真度，而原始图像和输入图像之间的差距由于种种原因遭到破坏。在采集过程中，由于光照条件、传感器和曝光条件的限制，图像可能会受到不同类型的噪声的污染。噪声图像的压缩更具挑战性，因为高频噪声通常被保留，降低了最终图像的质量，同时增加了编码位。目前当优化压缩图像与输入图像之间的保真度时，噪声很容易作为有价值的信息在高比特率压缩中得到保留。因此，随着编码位的增加，图像质量无法得到改善。
3、现有的基于学习的编解码器是数据驱动的，在预定义的压缩框架上以原始或高质量的图像作为输入进行图像压缩。与高质量图像相比，真实的图像可能存在不同程度失真，这给基于学习的图像编码带来了重大挑战。
4、针对目前技术存在的图像压缩...
【技术保护点】
1.一种基于机器学习的失真图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器学习的失真图像处理方法，其特征在于，将所述图像固有特征确定为所述失真图像的紧凑图像固有特征，包括：
3.根据权利要求2所述的基于机器学习的失真图像处理方法，其特征在于，所述triplet损失函数如下所示：
4.根据权利要求3所述的基于机器学习的失真图像处理方法，其特征在于，根据残差注意力模块中的残差结构，对所述图像固有特征、图像干扰特征进行处理，得到紧凑图像固有特征包括：
5.根据权利要求4所述的基于机器学习的失真图像处理...
【技术特征摘要】
1.一种基于机器学习的失真图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器学习的失真图像处理方法，其特征在于，将所述图像固有特征确定为所述失真图像的紧凑图像固有特征，包括：
3.根据权利要求2所述的基于机器学习的失真图像处理方法，其特征在于，所述triplet损失函数如下所示：
4.根据权利要求3所述的基于机器学习的失真图像处理方法，其特征在于，根据残差注意力模块中的残差结构，对所述图像固有特征、图像干扰特征进行处理，得到紧凑图像固有特征包括：
5.根据权利要求4所述的基于机器学习的失真图像处理方法，其特征在于，利用熵模型对所述紧凑图像固有特征进行解码，重建所述失真图像包括：
6.根据权利要求5所述的基于机器学习的失真图像处理方法，其特征在于，所述失真图像重建损失函数由如下公式表示：其中，n为每个图像的像素数，‖·‖2为l2范数，i1表示第一失真图像，为所述第一失真图像的重建图像，i2为第二失真图像，为所述第二失真图像的重建图像。
7.根据权利要求6所述的基于机器学习的失真...
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。