[发明专利]一种图像重建方法、装置及计算机可读存储介质

说明书

本申请实施例公开了一种图像重建方法，所述方法包括：确定深度神经网络模型的每一卷积层的卷积核的范数；确定所述每一卷积层中范数大于或等于预设阈值的卷积核，得到所述每一卷积层的目标卷积核集合；利用所述每一卷积层的目标卷积核集合中的卷积核对所述每一卷积层的输入图像进行处理，得到第一图像处理结果；获取对所述输入图像经过插值处理的第二图像处理结果；根据所述第一图像处理结果和所述第二图像处理结果，确定融合处理结果，以使根据所述融合处理结果对所述输入图像进行重建；本申请实施例还公开了一种图像重建装置及计算机可读存储介质。

技术领域

本申请实施例涉及计算机视觉技术领域，涉及但不限于一种图像重建方法、装置及计算机可读存储介质。

背景技术

相关技术中，传统的超分辨率重建方法是基于空间位置或边缘的插值方法，上述方法只考虑了图像空间位置或边缘纹理信息，而没有考虑图像特征等结构信息，图像重建时会导致清晰度的下降或者出现“锯齿”的消极影响。

基于深度神经网络的超分辨率重建方法可以有效弥补上述缺陷，但是基于深度神经网络的超分辨率重建方法的资源消耗相对传统的超分辨率重建方法更高，且深度神经网络存在不稳定的问题。

发明内容

有鉴于此，本申请实施例提供一种图像重建方法、装置及计算机可读存储介质。

本申请实施例的技术方案是这样实现的：

本申请实施例提供了一种图像重建方法，所述方法包括：

确定深度神经网络模型的每一卷积层的卷积核的范数；

确定所述每一卷积层中范数大于或等于预设阈值的卷积核，得到所述每一卷积层的目标卷积核集合；

利用所述每一卷积层的目标卷积核集合中的卷积核对所述每一卷积层的输入图像进行处理，得到第一图像处理结果；

获取对所述输入图像经过插值处理的第二图像处理结果；

根据所述第一图像处理结果和所述第二图像处理结果，确定融合处理结果，以使根据所述融合处理结果对所述输入图像进行重建。

本申请实施例还提供了一种图像重建装置，所述装置包括：

第一确定模块，用于确定深度神经网络模型的每一卷积层的卷积核的范数；

第二确定模块，用于确定所述每一卷积层中范数大于或等于预设阈值的卷积核，得到所述每一卷积层的目标卷积核集合；

处理模块，用于利用所述每一卷积层的目标卷积核集合中的卷积核对所述每一卷积层的输入图像进行处理，得到第一图像处理结果；

获取模块，用于获取对所述输入图像经过插值处理的第二图像处理结果；

第三确定模块，用于根据所述第一图像处理结果和所述第二图像处理结果，确定融合处理结果，以使根据所述融合处理结果对所述输入图像进行重建。

本申请实施例还提供了一种图像重建设备，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，所述处理器用于运行所述计算机程序时，执行上述方案中任一项所述图像重建方法的步骤。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方案中任一项所述图像重建方法的步骤。