[发明专利]图像处理模型的训练方法、装置及介质

说明书

本公开是关于一种图像处理模型的训练方法、装置和介质。该方法包括：对于N个训练场景中的每一个训练场景，分别获取M帧远距拍摄图像，其中N和M均为大于1的正整数；对于每一个训练场景，获取该训练场景的近距标准图像；对于每一个训练场景，将所述M帧远距拍摄图像裁剪为具有与所述近距标准图像相同的视场，并基于所述近距标准图像对齐裁剪后的所述M帧远距拍摄图像；每一个训练场景的对齐后的所述M帧远距拍摄图像和所述近距标准图像形成该训练场景的训练样本对，将分别对应于所述N个训练场景的N个训练样本对组成训练样本集；基于所述训练样本集，对所述图像处理模型进行训练。采用该方法，在有效的提高了数字变焦效果同时，实现了去噪的目的。采用本方法，可以让用户在拍摄远处文字或者其他物体时，可以看得更加清楚。

技术领域

本公开涉及图像处理技术领域，尤其涉及图像处理模型的训练方法、装置及介质。

背景技术

变焦功能是当今手机和相机的必备功能。人们在拍摄的照片中会将镜头拉近到遥远的物体上，比如野生动物和运动员，以便更详细地观察物体。有些智能手机甚至配备了两个不同变焦级别的摄像头。这表明了高品质变焦功能对消费相机市场的重要性。光学变焦是图像变焦的最佳选择，可以保持较高的图像质量，但变焦镜头通常是昂贵和笨重的。因此目前主要还是采用数字变焦进行图像增强。数字变焦(Digital Zoom)是通过手机或者数码相机内的处理器，把图片内的每个像素面积增大，从而达到放大目的。然而，目前大部分数字变焦方法只是简单地向上采样相机传感器输入的裁剪区域，这种方法会产生模糊的输出。在没有昂贵光学设备的情况下，为遥远的物体获取高质量的图像仍然是一个挑战。

发明内容

为克服相关技术中存在的问题，本公开提供一种用于图像处理的深度学习网络训练方法、装置及介质。

根据本公开实施例的第一方面，提供一种图像处理模型的训练方法，所述方法包括：

对于N个训练场景中的每一个训练场景，分别获取M帧远距拍摄图像，其中N和M均为大于1的正整数；

对于每一个训练场景，获取该训练场景的近距标准图像；

对于每一个训练场景，将所述M帧远距拍摄图像裁剪为具有与所述近距标准图像相同的视场，并基于所述近距标准图像对齐裁剪后的所述M帧远距拍摄图像；

每一个训练场景的对齐后的所述M帧远距拍摄图像和所述近距标准图像形成该训练场景的训练样本对，将分别对应于所述N个训练场景的N个训练样本对组成训练样本集；

基于所述训练样本集，对所述图像处理模型进行训练。

其中，所述获取该训练场景的近距标准图像，包括：

获取所述训练场景的K帧近距拍摄图像，其中K为大于等于1的正整数；

基于所述K帧近距拍摄图像，获取所述训练场景的近距标准图像。

其中，所述基于所述K帧近距拍摄图像获取所述训练场景的近距标准图像，包括：

基于所述K帧近距拍摄图像，通过多帧融合方式，获取所述训练场景的近距标准图像。

其中，所述远距拍摄图像与所述近距拍摄图像为在同一水平线上获取的图像。

其中，所述方法还包括：

在所述M帧远距拍摄图像中选取一帧远距参考图像。

其中，所述基于所述近距标准图像对齐裁剪后的所述M帧远距拍摄图像，包括：

基于所述近距标准图像对齐所述远距参考图像；

基于所述远距参考图像对齐所述M帧远距拍摄图像中其它图像。

其中，所述基于所述训练样本集，对所述图像处理模型进行训练，包括：