[发明专利]图像恢复方法、图像恢复网络训练方法、装置和存储介质

说明书

本申请提供了图像恢复方法、图像恢复网络训练方法、装置和存储介质。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：获取多个训练图像对，对于该多个训练图像对来说，每个训练图像对包括一个真实高质量图像和一个近似真实低质量图像，其中，近似真实低质量图像是对该真实高质量图像进行合成处理和真实化处理得到的；接下来，根据该多个训练图像对对图像恢复网络进行训练，直到得到图像恢复性能满足要求的图像恢复网络。由于上述多个训练图像对中的每个训练图像对中均包括一个近似真实低质量图像，因此，根据上述多个训练图像对能够训练出图像恢复性能更好的图像恢复网络。

技术领域

本申请涉及计算机视觉领域，并且更具体地，涉及一种图像恢复方法、图像恢复网络 训练方法、装置和存储介质。

背景技术

计算机视觉是各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能/自主系统中不可分割的一部分，它是一门关于如何运用照相机/摄像机和计算机来获取我们所需的，被拍摄对象的数据与信息的学问。形象地说，就是给计算机安装上眼睛(照相机/摄像机)和大脑(算法)用来代替人眼对目标进行识别、跟踪和测量等，从 而使计算机能够感知环境。因为感知可以看作是从感官信号中提取信息，所以计算机视觉 也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。总的来说，计算机 视觉就是用各种成像系统代替视觉器官获取输入信息，再由计算机来代替大脑对这些输入信息完成处理和解释。计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力。

在计算机视觉领域，对于一些已经退化的低质量图像来说，一般需要先对这些低质量 图像进行图像恢复以得到高质量图像，然后再对恢复得到的高质量图像进行处理(例如， 图像分类，图像识别)。

传统方案进行图像恢复主要包括以下过程：首先，获取一些高质量图像，并在这些高 质量图像中添加模糊或者噪声，以得到与原来的高质量图像配对的合成低质量图像；其次， 根据这些配对的高质量图像和合成低质量图像对神经网络模型进行训练，以得到训练好的 神经网络模型；最后，利用训练好的神经网络模型对输入的低质量图像进行图像恢复，以 得到相应的高质量图像。

但是，在真实的低质量图像中，低分辨率、噪声和模糊等退化因素通常耦合在一起。 传统方案通过人工合成方式得到的合成低质量图像与真实的低质量图像仍然有很大的差 别。导致传统方案中通过配对的高质量图像和合成低质量图像训练得到的神经网络模型并 不能很好的进行图像恢复，使得传统方案的图像恢复效果一般。

发明内容

本申请提供一种图像恢复网络的训练方法、图像恢复方法、装置和存储介质，以训练 出图像恢复性能更好的图像恢复网络。

第一方面，提供了一种图像恢复网络的训练方法，该方法包括：获取多个训练图像对； 根据多个训练图像对对图像恢复网络进行训练，直到图像恢复网络的图像恢复性能满足预 设要求。

其中，上述多个训练图像对中的每个训练图像对包括一个真实高质量图像和一个近似 真实低质量图像，每个训练图像对中的近似真实低质量图像是对每个训练图像对中的真实 高质量图像进行处理得到的，上述每个训练图像对中的近似真实低质量图像的图像清晰度 与已有的真实低质量图像的图像清晰度的差异度在预设范围内。

另外，上述已有的真实低质量图像与待恢复图像是采用同一种设备采集得到的，待 恢复图像是训练完成后的图像恢复网络处理的图像。也就是说，上述已有的真实低质量图像与训练完成后的图像恢复网络后续进行图像恢复时处理的待恢复图像是采用同一种设备采集得到的。

上述图像恢复网络也可以称为图像恢复模型，该图像恢复网络可以是一种神经网络。

在根据上述多个训练图像对对图像恢复网络进行训练时，可以逐批采用训练图像对 对对图像恢复网络进行训练。每个批次可以采用一个或者多个训练图像对。