[发明专利]图像信息的优化方法及装置、电子设备和存储介质

权利要求书

1.一种图像信息的优化方法，其特征在于，包括：

获取多个低信噪比的原始图像，所述原始图像为针对相同对象的图像，每个原始图像包括的特征信息不同；

通过神经网络对各所述原始图像执行优化处理，得到针对所述多个低信噪比的原始图像的一个优化图像，其中所述优化处理包括至少一次卷积处理以及至少一次非线性函数映射处理，所述优化图像的特征信息比所述原始图像的特征信息多，所述卷积处理用于融合各原始图像的特征信息得到卷积特征，所述非线性函数映射处理用于对所述卷积特征执行非线性映射处理得到优化特征矩阵，所述优化特征矩阵用于确定所述优化图像；

其中，所述原始图像为原始深度图像，所述优化图像为优化深度图像，所述优化处理包括恢复出深度信息。

2.根据权利要求1所述的方法，其特征在于，所述神经网络执行的优化处理包括依次执行的多组优化过程，每组优化过程包括至少一次卷积处理和/或至少一次非线性映射处理；

其中，所述通过神经网络对各所述原始图像执行优化处理包括：

将各所述原始图像作为第一组优化过程的输入信息，通过所述第一组优化过程的处理后得到针对该第一组优化过程的优化特征矩阵；

将第n组优化过程输出的优化特征矩阵作为第n+1组优化过程的输入信息进行优化处理，或者将第n组优化过程输出的优化特征矩阵，以及前n-1组优化过程中至少一组优化过程输出的优化特征矩阵，作为第n+1组优化过程的输入信息进行优化处理，基于最后一组优化过程处理后得到的优化特征矩阵确定所述优化图像，其中n为大于1且小于Q的整数，Q为优化过程的组数。

3.根据权利要求1或2所述的方法，其特征在于，所述优化处理包括依次执行的三组优化过程，所述通过神经网络对各所述原始图像执行优化处理包括：

对多个所述原始图像执行第一组优化过程，得到融合各原始图像的特征信息的第一特征矩阵；

对所述第一特征矩阵执行第二组优化过程，得到第二特征矩阵，所述第二特征矩阵的特征信息比所述第一特征矩阵的特征信息多；

对所述第二特征矩阵执行第三组优化过程，得到与所述优化图像对应的优化特征矩阵并确定所述优化图像，所述优化特征矩阵的特征信息比所述第二特征矩阵的特征信息多。

4.根据权利要求3所述的方法，其特征在于，所述第一组优化过程包括依次执行的多个第一子优化过程，每个第一子优化过程包括第一卷积处理以及第一非线性映射处理；

其中，所述对多个所述原始图像执行第一组优化过程，得到融合各原始图像的特征信息的第一特征矩阵，包括：

通过第一个第一子优化过程执行各原始图像的第一卷积处理，得到第一卷积特征，以及通过对该第一卷积特征执行第一非线性映射处理，得到针对第一优化特征矩阵；

通过第i个第一子优化过程执行第i-1个第一子优化过程得到的第一优化特征矩阵的第一卷积处理，并通过对该第一卷积处理得到的第一卷积特征执行第一非线性映射处理，得到针对第i个第一子优化过程的第一优化特征矩阵，以及基于第N个第一子优化过程得到的第一优化特征矩阵确定所述第一特征矩阵，其中i为大于1且小于或者等于N的正整数，N表示第一子优化过程的数量。

5.根据权利要求4所述的方法，其特征在于，在执行每个所述第一子优化过程的第一卷积处理时，每个第一卷积处理所采用的第一卷积核相同，并且至少一个第一子优化过程的第一卷积处理采用的第一卷积核的数量与其他第一子优化过程的第一卷积处理采用的第一卷积核的数量不同。