[发明专利]超分辨图像生成方法及装置

说明书

本发明提出一种超分辨图像生成方法及装置，其中方法包括：获取待处理的退化图像；获取预设的神经网络模型，神经网络模型为采用训练数据对初始的神经网络模型进行训练后得到的；训练数据中包括：大于预设数量的原始图像，以及原始图像对应的退化图像；退化图像的退化类型包括以下类型中的任意一种或者多种：下采样类型、模糊类型；采用预设的神经网络模型，对退化图像进行处理，得到与退化图像对应的超分辨图像，本实施例中，采用训练后的神经网络模型对退化图像进行恢复处理，恢复得到的超分辨图像的显示效果好，与原始图像的差距小，从而提高了退化图像的恢复效率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种超分辨图像生成方法及装置。

背景技术

目前，随着互联网技术的发展，人们越来越便捷地通过互联网获取足够丰富的多媒体内容，例如图像、视频等。为了降低所占用的网络带宽，减少传输流量，一般在传输图像前，对图像进行退化处理，例如降采样、模糊等处理，接收方接收到图像后，对图像进行恢复处理，例如放大、去模糊等处理。然而，目前对图像进行放大处理的方式主要为插值方法，例如最近邻插值方法、双线性插值方法等。最近邻插值方法放大得到的图像存在锯齿效应，双线性插值方法放大得到的图像太模糊，从而导致恢复得到的图像与原始图像之间的差距太大，图像的恢复效果差，影响用户体验，且对图像进行放大的时间长，恢复效率差。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种超分辨图像生成方法，用于解决现有技术中对退化图像的恢复效果差以及恢复效率差的问题。

本发明的第二个目的在于提出一种超分辨图像生成装置。

本发明的第三个目的在于提出另一种超分辨图像生成装置。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种超分辨图像生成方法，包括：

获取待处理的退化图像；

获取预设的神经网络模型，所述神经网络模型为采用训练数据对初始的神经网络模型进行训练后得到的；所述训练数据中包括：大于预设数量的原始图像，以及所述原始图像对应的退化图像；所述退化图像的退化类型包括以下类型中的任意一种或者多种：下采样类型、模糊类型；

采用预设的神经网络模型，对所述退化图像进行处理，得到与所述退化图像对应的超分辨图像。

进一步的，所述神经网络模型的训练方式为，

采用所述训练数据对初始的神经网络模型进行训练，得到训练后的神经网络模型；

对所述训练后的神经网络模型进行剪枝处理，对剪枝处理后的神经网络模型进行训练，直至满足预设条件；所述预设条件包括以下条件中的任意一个或者多个：所述神经网络模型训练的轮数大于预设轮数阈值、所述神经网络模型所占用的内存小于预设内存阈值、所述神经网络模型的处理速度大于预设速度阈值。

进一步的，所述训练数据中还包括：数据增强后的原始图像以及对应的数据增强后的退化图像。

进一步的，所述下采样类型设置有多个不同的缩放因子；

所述训练数据中原始图像对应的退化图像，为按照不同的缩放因子对原始图像进行下采样，和/或模糊处理，得到的退化图像。

进一步的，所述神经网络模型包括：多层神经网络；

所述获取预设的神经网络模型之后，还包括：

获取所述神经网络模型中各层神经网络变量的内存占用量；