[发明专利]一种失真图像的去失真方法、装置及电子设备

权利要求书

1.一种失真图像的去失真方法，其特征在于，包括：

生成失真图像对应的边信息分量，其中，所述失真图像为对原始图像进行图像处理得到的，所述边信息分量表示所述失真图像相对所述原始图像的失真特征；所述边信息分量表示所述失真图像相对所述原始图像的失真程度，或者所述失真图像相对所述原始图像的失真位置，或者所述失真图像相对所述原始图像的失真类型；

获取所述失真图像的特征分量，所述特征分量为对所述失真图像进行特征分析得到的；

将所述特征分量以及所述边信息分量，输入预先建立的去失真卷积神经网络模型进行卷积滤波处理，得到去失真分量；

根据所述去失真分量，生成所述失真图像对应的去失真图像；

获取所述失真图像的特征分量，包括：

获取所述失真图像的空间域特征分量和/或变换域特征分量。

2.如权利要求1所述的方法，其特征在于，采用如下步骤对所述失真图像进行特征分析，得到所述失真图像的空间域特征分量：

对所述失真图像进行空间域特征提取，得到所述失真图像的空间域特征分量。

3.如权利要求2所述的方法，其特征在于，所述对所述失真图像进行空间域特征提取，得到所述失真图像的空间域特征分量，包括：

对所述失真图像进行奇异值分解，得到所述失真图像的奇异值，将所述奇异值确定为所述失真图像的空间域特征分量；或者

将所述失真图像输入预先建立的特征提取卷积神经网络模型进行卷积滤波处理，得到所述失真图像的滤波特征，将所述滤波特征确定为所述失真图像的空间域特征分量。

4.如权利要求1所述的方法，其特征在于，采用如下步骤对所述失真图像进行特征分析，得到所述失真图像的变换域特征分量：

对所述失真图像进行傅里叶变换，得到所述失真图像的频域特征分量，将所述频域特征分量确定为所述失真图像的变换域特征分量；或者

对所述失真图像进行小波变换，得到所述失真图像的小波域特征分量，将所述小波域特征分量确定为所述失真图像的变换域特征分量。

5.如权利要求1至4中任一项所述的方法，其特征在于，所述特征分量是对所述失真图像的颜色分量进行特征分析得到；所述去失真分量为去失真特征分量；所述根据所述去失真分量，生成所述失真图像对应的去失真图像，包括：

对所述去失真特征分量进行反变换处理，得到去失真颜色分量；

根据所述去失真颜色分量，生成所述失真图像对应的去失真图像。

6.如权利要求1至4中任一项所述的方法，其特征在于，所述特征分量是对所述失真图像的颜色分量进行特征分析得到；所述去失真分量为去失真颜色分量；所述根据所述去失真分量，生成所述失真图像对应的去失真图像，包括：

根据所述去失真颜色分量，生成所述失真图像对应的去失真图像。

7.一种失真图像的去失真装置，其特征在于，包括：

生成模块，用于生成失真图像对应的边信息分量，其中，所述失真图像为对原始图像进行图像处理得到的，所述边信息分量表示所述失真图像相对所述原始图像的失真特征；所述边信息分量表示所述失真图像相对所述原始图像的失真程度，或者所述失真图像相对所述原始图像的失真位置，或者所述失真图像相对所述原始图像的失真类型；

获取模块，用于获取所述失真图像的特征分量，所述特征分量为对所述失真图像进行特征分析得到的；

滤波处理模块，用于将所述特征分量以及所述边信息分量，输入预先建立的去失真卷积神经网络模型进行卷积滤波处理，得到去失真分量；

图像生成模块，用于根据所述去失真分量，生成所述失真图像对应的去失真图像；

所述获取模块，具体用于：

获取所述失真图像的空间域特征分量和/或变换域特征分量。

8.如权利要求7所述的装置，其特征在于，所述获取模块，具体用于：

对所述失真图像进行空间域特征提取，得到所述失真图像的空间域特征分量。