[发明专利]图像处理方法及装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取目标图像，确定所述目标图像中的关键区域；

根据预先生成的多尺度图像模型，提取所述关键区域内的深层特征，所述多尺度图像模型中包括各目标图像在至少一种尺寸下的关键区域内的深层特征信息；

对所述目标图像以及所述关键区域内的深层特征进行处理，得到所述目标图像对应的高分辨率目标图像；

其中，生成多尺度图像模型的方法包括：

获取多个被标记关键区域的样本目标图像，以及，获取各所述样本目标图像在所述至少一种尺寸下分别对应的样本高分辨率目标图像，所述样本高分辨率目标图像为与所述样本目标图像的图像内容相同、且分辨率更高的图像；

根据所述样本目标图像、各所述样本高分辨率目标图像以及所述样本目标图像中被标记的关键区域，以迭代方式多次学习各所述样本高分辨率目标图像中的关键区域内的特征信息，得到所述样本目标图像在所述至少一种尺寸下的关键区域内的深层特征信息；

根据所述深层特征信息，生成所述多尺度图像模型；

所述样本目标图像为对称图像，所述生成多尺度图像模型的方法还包括：

构建所述样本目标图像和各所述样本高分辨率目标图像之间的一般像素损失函数和关键点像素损失函数，其中，所述关键点像素为所述关键区域内的点的像素，所述一般像素为所述样本目标图像中除所述关键区域之外的点的像素；

构建所述样本目标图像和各所述样本高分辨率目标图像之间的图像对称损失函数；

根据所述一般像素损失函数、所述关键点像素损失函数、所述关键点像素的权重以及预设对称参数，构建所述样本目标图像和各所述样本高分辨率目标图像之间的综合损失函数；

以L_Npixel表示样本目标图像和样本高分辨率目标图像之间的一般像素损失函数，以L_Kpixel表示样本目标图像和样本高分辨率目标图像之间的关键点像素损失函数，以L_syn表示样本目标图像和样本高分辨率目标图像之间的图像对称损失函数，以μ表示关键点像素的权重，以λ表示预设对称参数，综合损失函数L_all如公式(1)所示：

L_all＝L_Npixel+μL_Kpixel+λL_syn (1)

其中：

其中，W、H分别为目标图像的宽度和高度，为(x,y)点的真实像素值，为(x,y)点的像素预测值，D为关键区域内的点构成的像素集合，η_x,y为示性函数，即，当(x,y)∈D时，η_x,y＝0；当时，η_x,y＝1；

相应地，以迭代方式多次学习各所述样本高分辨率目标图像中的关键区域内的特征信息，得到所述样本目标图像在所述至少一种尺寸下的关键区域内的深层特征信息，包括：

判断所述综合损失函数是否满足预设损失条件；

若否，则继续以迭代方式学习各所述样本高分辨率目标图像中的关键区域内的特征信息，直至所述综合损失函数满足所述预设损失条件；

若是，则停止迭代学习，并将当前学习到的特征信息确定为所述深层特征信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用预定超分辨率方式对所述目标图像进行超分辨率处理，得到待处理图像；

相应地，对所述目标图像以及所述关键区域内的深层特征进行处理，得到所述目标图像对应的高分辨率目标图像，包括：

融合所述待处理图像以及所述关键区域内的深层特征，得到所述目标图像对应的高分辨率目标图像。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定针对所述目标图像的期望提升尺寸；

相应地，所述提取所述关键区域内的深层特征，包括：

从所述多尺度图像模型中获取所述目标图像在所述期望提升尺寸下的关键区域内的深层特征信息；

根据所述获取的深层特征信息提取所述关键区域内的深层特征。