[发明专利]压缩图像复原方法、装置、设备和存储介质

权利要求书

1.一种压缩图像复原方法，其特征在于，包括：

获取待复原的压缩图像；

将所述待复原的压缩图像作为输入量输入预先训练得到的压缩图像复原模型，所述压缩图像复原模型输出所述待复原的压缩图像对应的复原图像；

其中，所述压缩图像复原模型是根据训练样本进行训练得到的，所述训练样本包括：任意压缩质量的有损图像及对应的质量因子生成的量化表和原始未压缩图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述待复原的压缩图像作为输入量输入预先训练得到的压缩图像复原模型之前，所述方法还包括：

根据所述训练样本训练压缩图像复原神经网络，得到所述压缩图像复原模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述训练样本训练压缩图像复原神经网络，得到所述压缩图像复原模型，包括：

获取任意压缩质量的有损图像；

根据所述任意压缩质量的有损图像对应的质量因子，生成量化表；

将所述量化表在横向维度和纵向维度上进行拼接，得到量化特征图，所述量化特征图与所述有损图像尺寸相同；

将所述量化特征图和所述有损图像合并，得到组合式特征图；

根据所述组合式特征图、原始未压缩图像和预先确定的损失函数方程训练所述压缩图像复原神经网络，得到所述压缩图像复原模型。

4.根据权利要求3所述的方法，其特征在于，所述获取任意压缩质量的有损图像，包括：

根据原始未压缩图像、随机设定的质量因子和压缩图像公式，确定任意压缩质量的有损图像；

其中，所述压缩图像公式为：F表示图像压缩算法，表示原始未压缩图像，QF表示质量因子，Y表示压缩后的有损图像，所述质量因子为整数且取值范围是[1，100]。

5.根据权利要求3所述的方法，其特征在于，所述量化表是根据所述质量因子生成的m行m列的数字矩阵，

所述将所述量化特征图和所述有损图像合并，包括：

对所述有损图像进行像素填补，并在所述有损图像的高度和宽度是m的整数倍时，将所述有损图像和所述量化特征图在通道维度上进行合并。

6.根据权利要求3所述的方法，其特征在于，所述根据所述组合式特征图、原始未压缩图像和预先确定的损失函数方程训练所述压缩图像复原神经网络，得到所述压缩图像复原模型，包括：

将所述组合式特征图和所述原始未压缩图像作为输入量输入所述压缩图像复原神经网络，得到所述压缩图像复原神经网络输出的复原图像；

根据输出的复原图像和所述原始未压缩图像确定损失函数；

根据所述函数损失方程最小化所述损失函数，以得到所述压缩图像复原模型；

其中，所述损失函数为：n表示图像中像素数量；||·||₁表示计算1范数；表示原始未压缩图像；X表示输出的复原图像；

所述损失函数方程为：其中，G表示压缩图像复原神经网络，Y_QM表示组合式特征图，θ_g表示压缩图像复原神经网络的所有待求参数集合，表示原始未压缩图像，L表示用于计算压缩图像复原神经网络输出的复原图像与原始未压缩图像之间的像素差值的损失函数；N表示训练样本的数量；表示压缩图像复原模型。

7.根据权利要求6所述的方法，其特征在于，所述将所述组合式特征图和所述原始未压缩图像作为输入量输入所述压缩图像复原神经网络，包括：

将所述组合式特征图和所述原始未压缩图像分别切分成不同尺寸的图像块；

按照所述图像块尺寸从小到大的顺序，依次将所述图像块作为输入量输入所述压缩图像复原神经网络。