[发明专利]图像复原的方法、装置、存储介质和终端设备有效

专利信息
申请号: 201811214073.5 申请日: 2018-10-18
公开(公告)号: CN109447911B 公开(公告)日: 2020-06-09
发明(设计)人: 李鑫;刘霄;柏提;赵翔;杨凡;孙昊;李旭斌;文石磊;丁二锐 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T3/40;G06T3/60
代理公司: 北京市铸成律师事务所 11313 代理人: 陈建焕;杨瑾瑾
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 复原 方法 装置 存储 介质 终端设备
【权利要求书】:

1.一种图像复原的方法,其特征在于,包括:

获取待恢复的变形图像;所述变形图像包括被拉伸或被压缩的图像;

对所述变形图像进行预处理;

利用变形系数预测模型,对预处理后的所述变形图像进行计算,获得所述变形图像的变形系数;以及

根据所述变形图像的变形系数,复原所述变形图像;

所述利用变形系数预测模型,对预处理后的变形图像进行计算,获得所述变形图像的变形系数,包括:

利用所述变形系数预测模型,预测所述变形图像的各图像分片的变形系数;所述图像分片的图像清晰程度满足图像清晰标准;以及

根据各所述图像分片的变形系数的分布情况,确定所述变形图像的变形系数;

所述预处理过程包括:翻转各图像分片;

所述方法还包括:利用翻转后的图像分片检测所述变形系数预测模型的预测效果。

2.如权利要求1所述的方法,其特征在于,所述预处理包括:剪裁所述变形图像,获得所述变形图像的至少一个图像分片。

3.如权利要求2所述的方法,其特征在于,所述预处理包括:

根据各所述图像分片的像素,分别计算各所述图像分片的图像清晰程度;

从各所述图像分片中,选取图像清晰程度满足图像清晰标准的图像分片。

4.如权利要求1所述的方法,其特征在于,所述变形系数预测模型通过如下方法训练的,包括:

获取训练样本数据;其中,所述训练样本数据包括样本变形图像和所述样本变形图像的变形系数;

对所述训练样本数据包括的样本变形图像进行预处理;以及

利用预处理后的训练样本数据,对所述变形系数预测模型进行训练更新。

5.如权利要求4所述的方法,其特征在于,所述获取训练样本数据,包括:

获取未经变形处理的原始样本图像;

按照预先设置的变形系数,对所述原始样本图像进行变形处理,获得样本变形图像;以及

将所述样本变形图像与所述变形系数组成一组训练样本数据。

6.一种图像复原的装置,其特征在于,包括:

变形图像获取模块,用于获取待恢复的变形图像;所述变形图像包括被拉伸或被压缩的图像;

第一预处理模块,用于对所述变形图像进行预处理;

变形系数预测模块,用于利用变形系数预测模型,对预处理后的所述变形图像进行计算,获得所述变形图像的变形系数;以及

变形图像复原模块,用于根据所述变形图像的变形系数,复原所述变形图像;

所述变形系数预测模块包括:

预测单元,用于利用所述变形系数预测模型,预测所述变形图像的各图像分片的变形系数;所述图像分片的图像清晰程度满足图像清晰标准;以及

确定单元,用于根据各所述图像分片的变形系数的分布情况,确定所述变形图像的变形系数;

所述第一预处理模块包括:图像翻转单元,用于翻转各所述图像分片;

其中,所述翻转后的图像分片用于检测所述变形系数预测模型的预测效果。

7.如权利要求6所述的装置,其特征在于,所述第一预处理模块包括:图像剪裁单元,用于剪裁所述变形图像,获得所述变形图像的至少一个图像分片。

8.如权利要求6所述的装置,其特征在于,所述第一预处理模块包括:

清晰程度计算单元,用于根据各所述图像分片的像素,分别计算各所述图像分片的图像清晰程度;以及

图像分片筛选单元,用于从各所述图像分片中,选取图像清晰程度满足图像清晰标准的图像分片。

9.如权利要求6所述的装置,其特征在于,所述装置还包括:

样本数据获取模块,用于获取训练样本数据;其中,所述训练样本数据包括样本变形图像和所述样本变形图像的变形系数;

第二预处理模块,还用于对所述训练样本数据包括的样本变形图像进行预处理;以及

训练更新模块,用于利用预处理后的训练样本数据,对所述变形系数预测模型进行训练更新。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811214073.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top