[发明专利]图像处理方法及装置、电子设备和计算机可读存储介质在审
申请号: | 201911031821.0 | 申请日: | 2019-10-28 |
公开(公告)号: | CN110782395A | 公开(公告)日: | 2020-02-11 |
发明(设计)人: | 王楠楠;辛经纬;李志锋;龚迪洪;王巨宏 | 申请(专利权)人: | 西安电子科技大学;腾讯科技(深圳)有限公司 |
主分类号: | G06T3/40 | 分类号: | G06T3/40;G06N3/04;G06N3/08;G06T9/00 |
代理公司: | 44232 深圳市隆天联鼎知识产权代理有限公司 | 代理人: | 刘抗美 |
地址: | 710000 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 图像特征信息 图像编码信息 待处理图像 图像处理 多尺度 计算机可读存储介质 计算机和通信 图像超分辨率 计算复杂度 电子设备 放大目标 联合应用 目标图像 信息传递 信息丢失 低参数 重建 | ||
本公开的实施例提供了一种图像处理方法及装置、电子设备和计算机可读存储介质,属于计算机和通信技术领域。所述方法包括:获取待处理图像;提取所述待处理图像中多尺度的当前图像特征信息;分别对所述当前图像特征信息的通道和平面空间进行编码以增强所述当前图像特征信息,获得当前图像编码信息;根据所述当前图像编码信息获得将所述待处理图像放大目标倍数的目标图像。本公开实施例的技术方案提供了一种图像处理方法,通过联合应用提取的多尺度的当前图像特征信息和增强所述当前图像特征信息的当前图像编码信息,能够在信息传递的过程中尽可能的避免信息丢失的情况发生,实现了一种低参数数量且低计算复杂度的快速的图像超分辨率重建。
技术领域
本公开涉及人工智能技术领域,具体而言,涉及一种图像处理方法及装置、电子设备和计算机可读存储介质。
背景技术
随着计算机视觉的发展,图像越来越多的出现在人们的日常生活中,人们对图像的要求越来越高。图像的分辨率是图像质量的重要评价指标,图像的分辨率越高,图像越精细,图像提供的细节更丰富。所以提高图像的分辨率具有重要的意义。
目前,提高图像分辨率的技术一般分为两种:第一种是通过硬件的改进来提高图像的分辨率,但是改进硬件设备技术较为复杂,所需成本较高;第二种方法是通过软件技术来提高图像的分辨率,但是相关技术中的方案在信息传递过程中容易丢失信息。
因此,需要一种新的图像处理方法及装置、电子设备和计算机可读存储介质。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例提供一种图像处理方法及装置、电子设备和计算机可读存储介质,能够克服硬件提高图像分辨率技术复杂、成本较高的问题,同时实现在信息传递的过程中,尽可能避免信息丢失的情况发生。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
本公开实施例提供一种图像处理方法,所述方法包括:获取待处理图像;提取所述待处理图像中多尺度的当前图像特征信息;分别对所述当前图像特征信息的通道和平面空间进行编码以增强所述当前图像特征信息,获得当前图像编码信息;根据所述当前图像编码信息获得将所述待处理图像放大目标倍数的目标图像。
本公开实施例提供一种图像处理装置,所述装置包括:图像获取模块,配置为获取待处理图像;特征提取网络,配置为提取所述待处理图像中多尺度的当前图像特征信息;特征增强模块,配置为分别对所述当前图像特征信息的通道和平面空间进行编码以增强所述当前图像特征信息,获得当前图像编码信息;图像放大模块,配置为根据所述当前图像编码信息获得将所述待处理图像放大目标倍数的目标图像。
在本公开的一些示例性实施例中,所述当前图像特征信息包括第一图像特征信息。其中,所述特征提取网络包括:初始特征提取单元,配置为通过初始卷积结构提取所述待处理图像的初始特征图;第一多尺度特征提取单元,配置为分别通过第一信息集成网络中的第一卷积结构、第二卷积结构和第三卷积结构对所述初始特征图进行处理,获得所述初始特征图的第一特征图、第二特征图和第三特征图;第二多尺度特征提取单元,配置为分别通过所述第一信息集成网络中的第四卷积结构和第五卷积结构对所述初始特征图的第二特征图进行处理,获得所述初始特征图的第四特征图和第五特征图;第一特征级联单元,配置为级联所述初始特征图的第一特征图、第二特征图、第三特征图、第四特征图和第五特征图,生成所述初始特征图的级联特征图;第一图像特征获取单元,配置为通过所述第一信息集成网络中的第一末端卷积结构对所述初始特征图的级联特征图进行处理,生成所述待处理图像中多尺度的第一图像特征信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学;腾讯科技(深圳)有限公司,未经西安电子科技大学;腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911031821.0/2.html,转载请声明来源钻瓜专利网。