[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

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取待处理图像；

通过神经网络模型的目标卷积结构提取所述待处理图像的第一特征信息，所述神经网络模型还包括第一级联结构、第二级联结构、第三级联结构、第四卷积结构、像素拼接结构和多个图像重建通道，不同图像重建通道对应不同的放大倍数；

通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，并根据所述多个特征图获得第二特征信息，其中不同特征图上的像素点在所述第一特征信息上映射的区域大小不同；

通过所述第二级联结构对所述第二特征信息进行处理，获得所述第二特征信息的多个特征图，并根据所述多个特征图获得第三特征信息；

通过所述第三级联结构对所述第三特征信息进行处理，获得所述第三特征信息的多个特征图，并根据所述多个特征图获得第四特征信息；

通过所述第四卷积结构分别对所述第一特征信息、所述第二特征信息、所述第三特征信息以及所述第四特征信息进行处理，获得通道数量一致的所述第一特征信息、所述第二特征信息、所述第三特征信息以及所述第四特征信息；

所述像素拼接结构顺次提取通道数量一致的所述第一特征信息、所述第二特征信息、所述第三特征信息以及所述第四特征信息中相同位置的像素进行拼接，以获得融合特征信息；在所述多个图像重建通道中确定目标图像重建通道；

根据所述目标图像重建通道对所述融合特征信息进行处理，获得将所述待处理图像放大目标放大倍数的目标图像。

2.根据权利要求1所述方法，其特征在于，所述第一级联结构包括第一卷积层和第二卷积层；其中，通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，包括：

通过所述第一卷积层对所述第一特征信息进行处理，获得第一特征图；

通过所述第二卷积层对所述第一特征信息和所述第一特征图进行处理，获得第二特征图。

3.根据权利要求2所述方法，其特征在于，所述第一级联结构还包括特征图融合结构；其中，通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，还包括：

所述特征图融合结构对所述第一特征图和所述第二特征图进行处理，获得所述第一特征信息的融合特征图。

4.根据权利要求3所述方法，其特征在于，所述神经网络模型还包括第一卷积结构；其中，根据所述多个特征图获得第二特征信息，包括：

通过所述第一卷积结构对所述融合特征图进行处理，获得所述第二特征信息。

5.根据权利要求1所述方法，其特征在于，所述神经网络模型包括还第一图像重建通道，所述第一图像重建通道包括第五卷积结构、反卷积结构、第六卷积结构和第七卷积结构；其中，根据所述目标图像重建通道对所述融合特征信息进行处理，获得将所述待处理图像放大目标放大倍数的目标图像，包括：

通过所述第五卷积结构对所述融合特征信息进行处理，生成第五特征信息；

通过所述反卷积结构对所述第五特征信息进行放大处理，以获得第六特征信息；

通过所述第七卷积结构对所述第六特征信息进行平滑处理，以获得所述目标图像。

6.根据权利要求1至5任一项所述方法，其特征在于，还包括：

获取第一分辨率图像和第二分辨率图像，所述第二分辨率图像是通过将所述第一分辨率图像缩小预设倍数获得的；

通过所述神经网络模型对所述第二分辨率图像进行处理，将所述第二分辨率图像放大所述预设倍数以获得预测图像；

根据所述第一分辨率图像和所述预测图像确定目标损失，以训练所述神经网络模型。