[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

说明书

本公开涉及一种图像信息的优化方法及装置、电子设备和存储介质，所述方法包括：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所述原始图像对应的优化图像，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，并且所述优化图像的特征信息比所述原始图像的特征信息多。本公开实施例能够从原始图像中有效的恢复出高质量的深度信息。

技术领域

本公开涉及图像处理领域，特别涉及一种图像信息的优化方法及装置、电子设备和存储介质

背景技术

深度图像的获取在许多领域有着重要的应用价值。例如，在资源勘探、三维重建、机器人导航等领域中对障碍物的检测、自动驾驶、人脸检测等都依赖于场景的高精度三维数据。相关技术中，具有代表性的获取深度图像的方式包括双目视觉、结构光技术、基于激光雷达的三维点云获取技术以及ToF相机(飞行时间相机)。其中，ToF相机和双目视觉相比，在测量深度时，不需要较大的计算量，且可以获得高精度的深度图像；ToF相机和结构光技术相比，会受到更小的背景光的影响；ToF相机和激光雷达相比，具有体积小，获取深度图像速度快等优点。但ToF相机在测量距离较大或者存在对光吸收率较高物体的场景时，深度的传感器接收到的信号比较微弱，且存在较大的噪声。其中，传统的深度重建方法都是通过相位差直接进行查找计算，在信噪比很低的情况下很难计算出这些区域准确的深度信息，表现在深度图像中即为大片缺失深度信息的黑洞。

即现有技术中，存在现有的ToF相机或者深度摄像设备在低信噪比的情况下，不能有效的获取图像的深度信息的技术问题。

发明内容

本公开实施例提供了一种图像信息的优化方法及装置、电子设备和存储介质，能够对低信噪比图像进行优化从而有效的恢复出图像中的深度信息。

根据本公开的一方面，提供了一种图像信息的优化方法，其包括：

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，得到针对所述原始图像的优化图像，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，并且所述优化图像的特征信息比所述原始图像的特征信息多。

在一些可能的实施方式中，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。。

在一些可能的实施方式中，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。