System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像清晰度,具体而言,涉及一种图像处理方法、装置、设备及存储介质。
技术介绍
1、在口腔医学领域中,通常需要基于拍摄的照片来确定患者口腔内的健康状况,但是由于外部环境的影响,导致照片的清晰度较低,因此,亟需一种提升照片清晰度的方案。
2、现有技术中,在实现提升照片的清晰度时,采用的技术手段通常是通过图像去噪和图像增强的算法组合来增加照片的清晰度的。
3、然而,采用图像去噪的技术方案通常需要对多张照片进行数值观察才能实现,这就导致了在实际应用中,仅仅有一两张照片时,不能采用该方案实现照片的清晰度的提升,导致了该方案的适用性较差。
技术实现思路
1、本申请的目的在于提供一种图像处理方法、装置、设备及存储介质,可以更加全面地实现图像的清晰度的提升。
2、本申请的实施例是这样实现的:
3、本申请实施例的一方面,提供一种图像处理方法,包括:
4、获取目标处理图像;
5、将目标处理图像输入至图像质检网络模型中确定目标处理图像的清晰度等级;
6、根据目标处理图像的清晰度等级对目标处理图像进行高斯模糊处理,得到目标结果图像。
7、可选地,根据目标处理图像的清晰度等级对目标处理图像进行高斯模糊处理,得到目标结果图像,包括:
8、确定目标处理图像的清晰度等级是否为第一等级,其中,第一等级为预设的多个清晰度等级中清晰度最高的等级;
9、若是,对目标处理图像采用高斯模糊处理,得
10、可选地,确定目标处理图像的清晰度等级是否为第一等级之后,该方法包括:
11、若否,将目标处理图像输入至清晰度提升网络模型中,清晰度提升网络模型为对多个样本图像进行高斯模糊处理训练得到的神经网络模型;
12、通过清晰度提升网络模型得到清晰度等级提升后的中间图像,并将中间图像再次输入至清晰度提升网络模型中,直至输出的中间图像的清晰度等级为第一等级为止;
13、将清晰度等级为第一等级的中间图像作为目标结果图像。
14、可选地,将目标处理图像输入至清晰度提升网络模型中之前,该方法还包括:
15、将第一样本图像输入至编码解码网络中,编码解码网络用于对输入的图像进行高斯模糊处理,以使得第一样本图像变为清晰度等级增加后的预测图像;
16、基于预测图像、第一样本图像对编码解码网络进行训练,得到清晰度提升网络模型。
17、可选地,基于预测图像、第一样本图像对编码解码网络进行训练,得到清晰度提升网络模型,包括:
18、将预测图像与第一样本图像输入至第一损失函数中,得到第一差值结果;
19、若第一差值结果大于预设损失阈值,基于第一差值结果调整编码解码网络中的训练参数,并将第一样本图像输入至参数调整后的编码解码网络中,直至第一差值结果小于或者等于预设损失阈值;
20、将第一差值结果小于或者等于预设损失阈值时的编码解码网络作为清晰度提升网络模型。
21、可选地,将目标处理图像输入至图像质检网络模型中确定目标处理图像的清晰度等级之前,该方法还包括:
22、确定图像训练集以及图像分类网络,图像训练集中包括多个具有预设清晰度等级的第二样本图像,图像分类网络用于确定第二样本图像的预测清晰度等级;
23、基于多个第二样本图像对图像分类网络进行训练,得到图像质检网络模型。
24、可选地,基于多个第二样本图像对图像分类网络进行训练,得到图像质检网络模型,包括:
25、将各个第二样本图像分别输入至图像分类网络中,得到各个第二样本图像对应的预测清晰度等级;
26、若存在第二样本图像的预测清晰度等级与预设清晰度等级不同,调整图像分类网络的训练参数,并将各个第二样本图像输入至参数调整后的图像分类网络中,直至所有的第二样本图像的预测清晰度等级均与对应的预设清晰度等级相同;
27、将所有的第二样本图像的预测清晰度等级均与对应的预设清晰度等级相同时使用的图像分类网络作为图像质检网络模型。
28、本申请实施例的另一方面,提供一种图像处理装置,包括:获取模块、确定模块以及结果模块;
29、获取模块,用于获取目标处理图像;
30、确定模块,用于将目标处理图像输入至图像质检网络模型中确定目标处理图像的清晰度等级;
31、结果模块,用于根据目标处理图像的清晰度等级对目标处理图像进行高斯模糊处理,得到目标结果图像。
32、可选地,结果模块,具体用于确定目标处理图像的清晰度等级是否为第一等级,其中,第一等级为预设的多个清晰度等级中清晰度最高的等级;若是,对目标处理图像采用高斯模糊处理,得到目标结果图像。
33、可选地,结果模块,还用于若否,将目标处理图像输入至清晰度提升网络模型中,清晰度提升网络模型为对多个样本图像进行高斯模糊处理训练得到的神经网络模型;通过清晰度提升网络模型得到清晰度等级提升后的中间图像,并将中间图像再次输入至清晰度提升网络模型中,直至输出的中间图像的清晰度等级为第一等级为止;将清晰度等级为第一等级的中间图像作为目标结果图像。
34、可选地,确定模块,还用于将第一样本图像输入至编码解码网络中,编码解码网络用于对输入的图像进行高斯模糊处理,以使得第一样本图像变为清晰度等级增加后的预测图像;基于预测图像、第一样本图像对编码解码网络进行训练,得到清晰度提升网络模型。
35、可选地,确定模块,具体用于将预测图像与第一样本图像输入至第一损失函数中,得到第一差值结果;若第一差值结果大于预设损失阈值,基于第一差值结果调整编码解码网络中的训练参数,并将第一样本图像输入至参数调整后的编码解码网络中,直至第一差值结果小于或者等于预设损失阈值;将第一差值结果小于或者等于预设损失阈值时的编码解码网络作为清晰度提升网络模型。
36、可选地,确定模块,还用于确定图像训练集以及图像分类网络,图像训练集中包括多个具有预设清晰度等级的第二样本图像,图像分类网络用于确定第二样本图像的预测清晰度等级;基于多个第二样本图像对图像分类网络进行训练,得到图像质检网络模型。
37、可选地,确定模块,具体用于将各个第二样本图像分别输入至图像分类网络中,得到各个第二样本图像对应的预测清晰度等级;若存在第二样本图像的预测清晰度等级与预设清晰度等级不同,调整图像分类网络的训练参数,并将各个第二样本图像输入至参数调整后的图像分类网络中,直至所有的第二样本图像的预测清晰度等级均与对应的预设清晰度等级相同;将所有的第二样本图像的预测清晰度等级均与对应的预设清晰度等级相同时使用的图像分类网络作为图像质检网络模型。
38、本申请实施例的另一方面,提供一种计算机设备,包括:存储器、处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时,实现图像处理方法的步骤。<本文档来自技高网...
【技术保护点】
1.一种图像处理方法,其特征在于,包括:
2.如权利要求1所述的图像处理方法,其特征在于,所述根据所述目标处理图像的清晰度等级对所述目标处理图像进行高斯模糊处理,得到目标结果图像,包括:
3.如权利要求2所述的图像处理方法,其特征在于,所述确定所述目标处理图像的清晰度等级是否为第一等级之后,所述方法包括:
4.如权利要求3所述的图像处理方法,其特征在于,所述将所述目标处理图像输入至清晰度提升网络模型中之前,所述方法还包括:
5.如权利要求4所述的图像处理方法,其特征在于,所述基于所述预测图像、第一样本图像对所述编码解码网络进行训练,得到所述清晰度提升网络模型,包括:
6.如权利要求1所述的图像处理方法,其特征在于,所述将所述目标处理图像输入至图像质检网络模型中确定所述目标处理图像的清晰度等级之前,所述方法还包括:
7.如权利要求6所述的图像处理方法,其特征在于,所述基于多个所述第二样本图像对所述图像分类网络进行训练,得到所述图像质检网络模型,包括:
8.一种图像处理装置,其特征在于,包括:获取模块
9.一种计算机设备,其特征在于,包括:存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:
2.如权利要求1所述的图像处理方法,其特征在于,所述根据所述目标处理图像的清晰度等级对所述目标处理图像进行高斯模糊处理,得到目标结果图像,包括:
3.如权利要求2所述的图像处理方法,其特征在于,所述确定所述目标处理图像的清晰度等级是否为第一等级之后,所述方法包括:
4.如权利要求3所述的图像处理方法,其特征在于,所述将所述目标处理图像输入至清晰度提升网络模型中之前,所述方法还包括:
5.如权利要求4所述的图像处理方法,其特征在于,所述基于所述预测图像、第一样本图像对所述编码解码网络进行训练,得到所述清晰度提升网络模型,包括:
6.如权利要求1所述的图像处理方法,其特征在于,所述...
【专利技术属性】
技术研发人员:沈飞鸿,
申请(专利权)人:杭州朝厚信息科技有限公司,
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。