【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及基于隐式表达流模型的图像超分方法、装置、设备及存储介质。
技术介绍
1、随着数字图像处理技术的快速发展，对图像质量的要求也越来越高。在图像处理领域，图像超分辨率的目的是通过算法提升图像的分辨率，使得低分辨率图像能够转换成高分辨率图像，同时保持或增强图像的视觉质量，而在许多应用场景中，由于硬件限制或传输过程中的数据压缩，获取到的图像分辨率较低，无法从中获取必要的细节信息，因此，利用低分辨率图像恢复出高分辨率图像是必做的一项工作。
2、目前，现有做法主要依赖于深度学习模型，其中包括自编码器架构、残差网络结构以及基于小波变换的可逆流模型，通过构建瑕疵图像数据库并利用编码器和解码器结构来映射和重建图像，以实现对瑕疵区域的检测，或通过提取干扰特征并融合图像特征来重建高分辨率图像，或利用多尺度信号表示和变分去量化技术来提高训练效果和泛化能力。
3、然而，现有做法中使用自编码器架构的网络在图像重建类任务中训练和计算成本过高，训练过程不稳定，生成样本质量较低，并且，使用残差网络结构的卷积网络，无法很好的提取图像特征的高频信息，使用低通滤波的采样得到流模型的条件输入，不仅会丢失图像高频特征，而且会丢失像素之间相对位置关系，同时，单一模型无法完成多尺度任意比例超分辨率，只能以固定比例对图像进行超分辨率，缺乏灵活性。因此，如何准确有效进行个性化图像超分成为一个亟待解决的问题。
4、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实
1、本申请的主要目的在于提供一种基于隐式表达流模型的图像超分方法、装置、设备及存储介质，旨在解决如何准确有效进行个性化图像超分的技术问题。
2、为实现上述目的，本申请提出一种基于隐式表达流模型的图像超分方法，所述的方法包括：
3、获取特征向量、先验噪声和傅里叶特征向量，所述特征向量、先验噪声和傅里叶特征向量通过局部隐式模块提取；
4、基于所述特征向量和所述傅里叶特征向量确定条件参数集；
5、基于所述条件参数集和所述先验噪声确定高分辨率图像完成图像各比例超分。
6、在一实施例中，所述获取特征向量、先验噪声和傅里叶特征向量的步骤包括：
7、获取低分辨率图像信息、原图信息和图像分割方式；
8、通过局部隐式模块从所述低分辨率图像信息中提取特征向量；
9、通过解码器对所述特征向量进行编解码生成先验噪声；
10、基于所述特征向量、所述原图信息和所述图像分割方式确定傅里叶特征向量。
11、在一实施例中，所述基于所述特征向量、所述原图信息和所述图像分割方式确定傅里叶特征向量的步骤包括：
12、获取图像缩放比例；
13、基于所述图像分割方式和所述原图信息确定各分割图像信息集合；
14、提取所述各分割图像信息集合中心位置生成中心坐标向量矩阵；
15、基于所述特征向量和所述中心坐标向量矩阵确定频域向量信息；
16、基于所述图像缩放比例确定相域向量信息；
17、基于所述频域向量信息和所述相域向量信息生成傅里叶特征向量。
18、在一实施例中，所述基于所述特征向量和所述傅里叶特征向量确定条件参数集的步骤包括：
19、获取傅里叶特征函数；
20、基于所述傅里叶特征函数将所述特征向量和所述傅里叶特征向量输入目标感知器得到条件参数集。
21、在一实施例中，所述基于所述条件参数集和所述先验噪声确定高分辨率图像完成图像各比例超分的步骤包括：
22、获取图像纹理和高分辨率纹理；
23、将所述图像纹理与所述高分辨率纹理进行特征相加得到高分辨率图像完成图像各比例超分。
24、在一实施例中，所述获取图像纹理和高分辨率纹理的步骤包括：
25、获取低分辨率图像信息和目标流模型；
26、对所述低分辨率图像进行上采样得到图像纹理；
27、将所述条件参数集和所述先验噪声输入所述目标流模型确定高分辨率纹理。
28、在一实施例中，所述将所述条件参数集和所述先验噪声输入所述目标流模型确定高分辨率纹理的步骤包括：
29、获取流模型映射关系和循环次数；
30、基于所述条件参数集、所述先验噪声、所述流模型映射关系和所述循环次数计算各高分辨率纹理集合；
31、将所述各高分辨率纹理集合进行串联得到高分辨率纹理。
32、此外，为实现上述目的，本申请还提出一种基于隐式表达流模型的图像超分装置，所述基于隐式表达流模型的图像超分装置包括：
33、获取模块，用于获取特征向量、先验噪声和傅里叶特征向量，所述特征向量、先验噪声和傅里叶特征向量通过局部隐式模块提取；
34、处理模块，用于基于所述特征向量和所述傅里叶特征向量确定条件参数集；
35、执行模块，用于基于所述条件参数集和所述先验噪声确定高分辨率图像完成图像各比例超分。
36、此外，为实现上述目的，本申请还提出一种基于隐式表达流模型的图像超分设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的基于隐式表达流模型的图像超分方法的步骤。
37、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的基于隐式表达流模型的图像超分方法的步骤。
38、本申请提出的一个或多个技术方案，至少具有以下技术效果：
39、本申请提出的一种基于隐式表达流模型的图像超分方法，获取特征向量、先验噪声和傅里叶特征向量，所述特征向量、先验噪声和傅里叶特征向量通过局部隐式模块提取；基于所述特征向量和所述傅里叶特征向量确定条件参数集；基于所述条件参数集和所述先验噪声确定高分辨率图像完成图像各比例超分。本申请通过局部隐式模块处理图像以获取特征向量、先验噪声和傅里叶特征向量，更有效地提高特征提取的质量和提升分辨率，且计算效率更高，从而确定高分辨率图像，学习并适应多个比例下的超分系数实现图像多比例超分，提高超分图像的灵活性和应用范围，且在保持或提升图像质量的同时，显著减少训练和计算的成本。
本文档来自技高网...【技术保护点】
1.一种基于隐式表达流模型的图像超分方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取特征向量、先验噪声和傅里叶特征向量的步骤包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述特征向量、所述原图信息和所述图像分割方式确定傅里叶特征向量的步骤包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述特征向量和所述傅里叶特征向量确定条件参数集的步骤包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述条件参数集和所述先验噪声确定高分辨率图像完成图像各比例超分的步骤包括：
6.如权利要求5所述的方法，其特征在于，所述获取图像纹理和高分辨率纹理的步骤包括：
7.如权利要求6所述的方法，其特征在于，所述将所述条件参数集和所述先验噪声输入所述目标流模型确定高分辨率纹理的步骤包括：
8.一种基于隐式表达流模型的图像超分装置，其特征在于，所述装置包括：
9.一种基于隐式表达流模型的图像超分设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储
10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于隐式表达流模型的图像超分方法的步骤。
...【技术特征摘要】
1.一种基于隐式表达流模型的图像超分方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取特征向量、先验噪声和傅里叶特征向量的步骤包括：
3.如权利要求2所述的方法，其特征在于，所述基于所述特征向量、所述原图信息和所述图像分割方式确定傅里叶特征向量的步骤包括：
4.如权利要求1所述的方法，其特征在于，所述基于所述特征向量和所述傅里叶特征向量确定条件参数集的步骤包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述条件参数集和所述先验噪声确定高分辨率图像完成图像各比例超分的步骤包括：
6.如权利要求5所述的方法，其特征在于，所述获取图像纹理和高分辨率纹理的步骤包括：
【专利技术属性】
技术研发人员：刘会凯，王绍政，张文，戢文，盛鸿博，
申请(专利权)人：岚图汽车科技有限公司，
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。