[发明专利]图像处理方法、装置以及移动终端

权利要求书

1.一种图像处理方法，其特征在于，应用于移动终端，所述方法包括：

获取第一分辨率的图像；

采用白噪声重建卷积神经网络对所述第一分辨率的图像进行处理，所述白噪声重建卷积神经网络由白噪声重建图像、基于同一场景的原图像以及目标图像训练得到，其中，所述白噪声重建图像基于所述原图像以及所述目标图像得到，所述原图像的分辨率低于所述目标图像的分辨率，所述白噪声重建图像表征第二分辨率的图像的特征；

得到所述第二分辨率的图像；

其中，所述白噪声重建卷积神经网络的训练包括：

基于建立的神经网络分别获取所述原图像、目标图像以及所述白噪声重建图像的特征；

计算所述原图像与所述白噪声重建图像的差异，以及所述目标图像与所述白噪声重建图像的差异；

将所述原图像与所述白噪声重建图像的差异，以及所述目标图像与所述白噪声重建图像的差异输入最小化代价函数进行训练，得到所述白噪声重建卷积神经网络。

2.根据权利要求1所述的方法，其特征在于，所述白噪声重建图像中的内容从所述原图像中获取，所述白噪声重建图像中的细节从所述目标图像中获取。

3.根据权利要求2所述的方法，其特征在于，所述将所述原图像与所述白噪声重建图像的差异，以及所述目标图像与所述白噪声重建图像的差异输入最小化代价函数进行训练，得到所述白噪声重建卷积神经网络的步骤包括：

通过最小化代价函数，训练得到所述白噪声重建卷积神经网络，其中，L_c表征所述原图像的特征与所述白噪声重建图像的特征差异的2-范数，L_s表征所述目标图像的特征与所述白噪声重建图像的特征差异的2-范数，所述α表征向所述原图像学习所述内容的权重，所述β表征向所述目标图像学习所述细节的权重。

4.根据权利要求1所述的方法，其特征在于，所述获取第一分辨率的图像的步骤包括：

获取所述移动终端的图像采集装置所采集的第一分辨率的图像；

所述采用白噪声重建卷积神经网络对所述第一分辨率的图像进行处理的步骤之前还包括：

检测所述第一分辨率是否满足预设条件；

若所述第一分辨率满足所述预设条件，执行所述采用白噪声重建卷积神经网络对所述第一分辨率的图像进行处理。

5.根据权利要求4所述的方法，其特征在于，所述预设条件包括：

所述第一分辨率小于预设的分辨率；或者

所述第一分辨率为所述图像采集装置所支持的最大分辨率。

6.一种图像处理装置，其特征在于，运行于移动终端，所述装置包括：

图像获取单元，用于获取第一分辨率的图像；

图像处理单元，用于采用白噪声重建卷积神经网络对所述第一分辨率的图像进行处理，所述白噪声重建卷积神经网络由白噪声重建图像、基于同一场景的原图像以及目标图像训练得到，其中，所述白噪声重建图像基于所述原图像以及所述目标图像得到，所述原图像的分辨率低于所述目标图像的分辨率，所述白噪声重建图像表征第二分辨率的图像的特征；其中，所述图像处理单元包括：特征获取子单元，用于基于建立的神经网络分别获取所述原图像、目标图像以及所述白噪声重建图像的特征；差异获取子单元，用于计算所述原图像与所述白噪声重建图像的差异，以及所述目标图像与所述白噪声重建图像的差异；训练子单元，用于将所述原图像与所述白噪声重建图像的差异，以及所述目标图像与所述白噪声重建图像的差异输入最小化代价函数进行训练，得到所述白噪声重建卷积神经网络；图像转换子单元，用于采用白噪声重建卷积神经网络对所述第一分辨率的图像进行处理；

图像生成单元，用于得到所述第二分辨率的图像，所述第二分辨率高于所述第一分辨率。

7.一种移动终端，其特征在于，包括一个或多个处理器以及存储器；

一个或多个程序， 其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行权利要求1-5任一所述的方法。

8.一种存储有处理器可执行的程序代码的计算机可读存储介质，其特征在于，所述计算机可读取存储介质包括存储的程序，其中，在所述程序被处理器运行时执行权利要求1-5任一所述的方法。