[发明专利]一种图像处理方法、装置及智能终端

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

基于预设损失函数，对第一神经网络模型进行训练；

基于预设损失函数及经训练后的第一神经网络模型，对第二神经网络模型进行训练；

将待处理图像输入经训练后的第二神经网络模型，输出目标图像。

2.如权利要求1所述的方法，其特征在于，在所述基于预设损失函数，对第一神经网络模型进行训练的步骤之前，包括：

获取训练样本图像HR^*；

对所述训练样本图像HR^*进行图像预处理，得到所述训练样本图像HR^*的至少两个训练样本图像副本，所述至少两个训练样本图像副本构成图像组。

3.如权利要求2所述的方法，其特征在于，所述训练样本图像副本为第一图像HR′、第二图像LR^*或第三图像LR′，所述对训练样本图像HR^*进行图像预处理，得到所述训练样本图像HR^*的至少两个训练样本图像副本的步骤，包括：

对所述训练样本图像HR^*进行降噪处理，得到对应的第一图像HR′；

对所述训练样本图像HR^*进行图像下采样处理，得到对应的第二图像LR^*；

对所述训练样本图像HR^*进行随机裁剪处理，得到对应的第三图像LR′。

4.如权利要求1所述的方法，其特征在于，所述预设损失函数为由像素损失函数、特征损失函数以及生成对抗式网络损失函数GAN loss所组成的多级损失函数，其中：

所述像素损失函数为：

其中，I^ref和G_θ(G)(I_in)_x,y在第二神经网络模型中分别对应第一图像HR′和第五图像HR，第五图像HR为经第二神经网络模型对第四图像LR进行放大后输出的高分辨率图像；I^ref和G_θ(G)(I_in)_x,y在第一神经网络模型中分别对应第三图像LR′和第四图像LR，第四图像LR为经第一神经网络模型对第一图像HR′进行缩小后输出的低分辨率图像；W与H分别代表像素提取矩阵的宽和高，x与y分别代表相应宽和高上的位置坐标；

所述特征损失函数为：

其中，I^ref和G_θ(G)(I_in)_x,y在第二神经网络模型中分别对应第一图像HR′和第五图像HR，第五图像HR为经第二神经网络模型对第四图像LR进行放大后输出的高分辨率图像；I^ref和G_θ(G)(I_in)_x,y在第一神经网络模型中分别对应第三图像LR′和第四图像LR，第四图像LR为经第一神经网络模型对第一图像HR′进行缩小后输出的低分辨率图像；W与H分别代表特征提取矩阵的宽和高，x与y分别代表相应宽和高上的位置坐标；φ表示所使用的用于提取图像的内容特征的神经网络。

5.如权利要求4所述的方法，其特征在于，所述基于预设损失函数，对第一神经网络模型进行训练的步骤，包括：

基于像素损失函数和特征损失函数，将所述图像组输入第一神经网络模型进行预训练，以实现对第一神经网络模型中的各个参数进行调整；

基于生成对抗式网络损失函数GAN loss，对经预训练后的第一神经网络模型进行训练，以实现对第一神经网络模型中的各个参数进行调整。

6.如权利要求5所述的方法，其特征在于，所述基于像素损失函数和特征损失函数，将所述图像组输入第一神经网络模型进行预训练的步骤，包括：

将第一图像HR′输入第一神经网络模型进行处理后，得到第四图像LR；

基于像素损失函数和特征损失函数，计算第四图像LR与第二图像LR^*的第一数值；

基于所述第一数值，对第一神经网络模型中的各个参数进行调整。