[发明专利]一种图像处理方法、装置及智能终端

说明书

本发明适用于图像处理领域，提供了一种图像处理方法、装置及智能终端，通过基于预设损失函数，对第一神经网络模型进行训练，再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，在训练好第二神经网络模型之后，将待处理图像输入第二神经网络模型，以输出目标图像，通过预设损失函数和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，使得第二神经网络模型所输出的图像质量更好，去除了图像噪声，使得图像放大处理后的图像不再过于平滑或者存在不自然的边缘。

技术领域

本发明属于图像处理领域，尤其涉及一种图像处理方法、装置及智能终端。

背景技术

图像放大技术是计算机视觉和图像处理领域的一个经典问题，有着重要的学术和工业研究价值。图像放大的目标就是，由给定的低分辨率图像得到它相应的高分辨率图像,使得图像的内容信息得到保留甚至加强,同时给人的以更好的视觉效果。目前主流的图像超分辨方法可以分为三大类：基于插值的方法；基于重构的方法；基于深度学习的方法。

然而，虽然主流的图像处理方法解决了图像放大的基本需求，但由于设计环节的不完善，普遍存在锯齿效应、模糊效应、过于平滑等问题，特别是基于深度学习的图像处理方法，在测试集中表现优异，但在对实际图像进行放大时效果并不能令人满意，存在着过于平滑或者是不自然的边缘等图像质量问题。

发明内容

有鉴于此，本发明实施例提供了一种图像处理方法、装置及智能终端，以解决现有利用图像处理方法中对图像进行放大等处理时存在的过于平滑或不自然的边缘等图像质量问题。

本发明实施例的第一方面提供了一种图像处理方法，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。

本发明实施例的第二方面提供了一种图像处理装置，包括：

第一神经网络模型训练单元，用于基于预设损失函数，对第一神经网络模型进行训练；

第二神经网络模型训练单元，用于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；

图像处理单元，用于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。

本发明实施例的第三方面提供了一种智能终端，包括：

存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现本发明实施例的第一方面提供的图像处理方法的步骤。

其中，所述计算机程序包括：

第一神经网络模型训练单元，用于基于预设损失函数，对第一神经网络模型进行训练；

第二神经网络模型训练单元，用于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；

图像处理单元，用于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。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明实施例的第一方面提供的图像处理方法的步骤。

其中，所述计算机程序包括：

第一神经网络模型训练单元，用于基于预设损失函数，对第一神经网络模型进行训练；

第二神经网络模型训练单元，用于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；