[发明专利]图像处理方法、装置、计算机设备及存储介质

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：

将至少一个第一样本图像输入初始网络，对每个第一样本图像，输出多个第一处理图像；

将所述多个第一处理图像输入光流网络，输出光流损失；

将所述多个第一处理图像输入感知网络，输出感知损失；

根据所述光流损失、所述感知损失和保真损失，获取所述多个第一处理图像在第一损失函数的函数值，所述第一损失函数用于保证所述多个第一处理图像的清晰度高于所述第一样本图像；

如果所述第一损失函数的函数值大于第一目标数值，通过反向传播算法对所述初始网络进行训练；

如果所述第一损失函数的函数值小于或等于所述第一目标数值，对所述初始网络停止训练，得到第一网络，所述第一网络用于基于第一样本图像获取多个清晰度高于所述第一样本图像的第一处理图像；

对所述第一网络进行训练，得到第二网络，所述第二网络用于基于第二样本图像获取多个清晰度高于所述第二样本图像且具有运动差异的第二处理图像；

对所述第二网络进行训练，得到第三网络，所述第三网络用于基于第三样本图像获取多个清晰度高于所述第三样本图像、具有运动差异且保持所述第三样本图像中隐含信息的第三处理图像；

当接收到图像处理指令时，根据所述第三网络，对原始图像进行图像处理，得到多个目标图像。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一网络进行训练，得到第二网络包括：

将至少一个第二样本图像输入所述第一网络，对每个第二样本图像，输出多个第二处理图像；

如果所述多个第二处理图像在第二损失函数的函数值大于第二目标数值，通过反向传播算法对所述第一网络进行训练，所述第二损失函数用于保证所述多个第二处理图像的清晰度高于所述第二样本图像且具有运动差异；

如果所述第二损失函数的函数值小于或等于所述第二目标数值，对所述第一网络停止训练，得到所述第二网络。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

将所述多个第二处理图像输入所述光流网络，输出光流损失；

将所述多个第二处理图像输入所述感知网络，输出感知损失；

根据所述感知损失，获取特征矩阵损失；

根据所述光流损失、所述感知损失、所述特征矩阵损失和保真损失，获取所述第二损失函数的函数值。

4.根据权利要求1所述的方法，其特征在于，所述对所述第二网络进行训练，得到第三网络包括：

将至少一个第三样本图像输入所述第二网络，对每个第三样本图像，输出多个第三处理图像；

如果所述多个第三处理图像在第三损失函数的函数值大于第三目标数值，通过反向传播算法对所述第二网络进行训练，所述第三损失函数用于保证所述多个第三处理图像的清晰度高于所述第三样本图像、具有运动差异且保持所述第三样本图像中的隐含信息；

如果所述第三损失函数的函数值小于或等于所述第三目标数值，对所述第二网络停止训练，得到所述第三网络。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

将所述多个第二处理图像输入所述光流网络，输出光流损失；

将所述多个第二处理图像输入所述感知网络，输出感知损失；

根据所述感知损失，获取特征矩阵损失；

根据所述光流损失、所述感知损失、所述特征矩阵损失、保真损失和模糊损失，获取所述第三损失函数的函数值。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述多个第一处理图像，合成至少一个第二样本图像。

7.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述多个第二处理图像，合成至少一个第三样本图像。

8.根据权利要求1所述的方法，其特征在于，所述初始网络包括至少一个隐藏层，每个隐藏层包括卷积层、归一化层和非线性层。