本公开提出一种图像重建模型训练以及图像重建方法，属于图像处理技术领域。该方法构建图像训练集，由于图像训练集中包括噪声图像子集以及非噪声图像子集，且所述噪声图像子集和所述非噪声图像子集一一对应，因此可以根据噪声图像以及对应的非噪声图像进行编码，可以得到先验特征；在先验特征的基础上，基于图像训练集中任一噪声图像对应的先验特征以及噪声图像对应的图像特征，训练待训练重建模型，得到目标重建模型，在一定程度上提高了图像重建的质量。
【技术实现步骤摘要】
本公开涉及图像处理，具体涉及一种图像重建模型训练以及图像重建方法。
技术介绍
1、图像超分辨率为在将低分辨率图像重建为高分辨率图像；反向还原为在还原受雨天影响的图像，如雨滴和雨痕，以显示干净的背景。
2、当图像同时需要进行重建为高分辨率图像以及反向还原时，相关技术中通常采用依次进行反向还原和高分辨率重建。然而，上述方式图像处理的方式存在反向还原的精确度较低的问题。
技术实现思路
1、本公开提出一种图像重建模型训练以及图像重建方法。
2、本公开第一方面实施例提出了图像重建模型训练方法，包括：
3、构建图像训练集，所述图像训练集中包括噪声图像子集以及非噪声图像子集；所述噪声图像子集和所述非噪声图像子集一一对应；
4、将所述噪声图像子集中的任一噪声图像，和与所述噪声图像对应的非噪声图像进行编码，得到先验特征；
5、基于所述图像训练集中任一噪声图像对应的先验特征以及噪声图像对应的图像特征，训练待训练重建模型，得到目标重建模型。
>6、在本公开实施例本文档来自技高网...
【技术保护点】
1.一种图像重建模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述图像训练集中任一噪声图像对应的先验特征、噪声图像对应的第一图像特征以及非噪声图像对应的第二图像特征，训练待训练重建模型，得到目标重建模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述先验特征和所述第一图像特征进行去介质重建，得到无介质重建特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一调制特征、所述第二调制特征以及所述先验特征进行引导滤波，得到无介质特征，包括：
5.根据权利要求3所述的方...
【技术特征摘要】
1.一种图像重建模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述图像训练集中任一噪声图像对应的先验特征、噪声图像对应的第一图像特征以及非噪声图像对应的第二图像特征，训练待训练重建模型，得到目标重建模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述先验特征和所述第一图像特征进行去介质重建，得到无介质重建特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述第一调制特征、所述第二调制特征以及所述先验特征进行引导滤波，得到无介质特征，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于所述先验特征和所述无介质重建特征进行边缘重建，得到目标边缘特征，包括：
6.根据权利要求5所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：郭亨，李文杰，马占宇，
申请(专利权)人：北京邮电大学，
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。