[发明专利]图像处理和神经网络训练方法、装置及计算机设备

说明书

本申请涉及一种图像处理方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取待处理图像；基于待处理图像迭代进行多尺度特征提取，获得第一重建特征图；根据第一重建特征图和待处理图像的先验特征图得到第二重建特征图；基于所述第二重建特征图迭代进行所述多尺度特征提取；根据每次所述多尺度特征提取的结果进行特征融合，得到第三重建特征图；根据所述第三重建特征图进行图像重建，得到重建图像；所述重建图像的分辨率高于所述待处理图像的分辨率。本申请提供的方案可以提高图像重建质量。

技术领域

本申请涉及计算机技术领域，特别是涉及一种图像处理方法、装置、计算机可读存储介质和计算机设备，以及一种神经网络训练方法、装置、计算机可读存储介质和计算机设备。

背景技术

随着计算机技术的发展，计算机视觉中的图像超分辨率重建技术受到越来越多的关注。图像超分辨率重建是指将给定的低分辨率图像通过特定的处理恢复成相应的高分辨率图像的过程，以克服或补偿由于图像采集系统或采集环境本身的限制，导致的成像图像模糊、质量低下、感兴趣区域不显著等问题。图像超分辨率重建在视频图像压缩传输、医学成像、遥感成像、显微成像、视频感知与监控等领域得到了广泛的应用与研究。

然而，目前的图像超分辨率重建技术，如基于插值的超分辨率重建，重建图像容易出现锯齿、模糊问题，重建质量较差。

发明内容

基于此，有必要针对图像超分辨率重建质量较差的技术问题，提供一种图像处理方法方法、装置、计算机可读存储介质和计算机设备，以及一种神经网络训练方法、装置、计算机可读存储介质和计算机设备。

一种图像处理方法，包括：

获取待处理图像；

基于待处理图像迭代进行多尺度特征提取，获得第一重建特征图；

根据第一重建特征图和待处理图像的先验特征图得到第二重建特征图；

基于所述第二重建特征图迭代进行所述多尺度特征提取；

根据每次所述多尺度特征提取的结果进行特征融合，得到第三重建特征图；

根据所述第三重建特征图进行图像重建，得到重建图像；所述重建图像的分辨率高于所述待处理图像的分辨率。

一种神经网络训练方法，包括：

获取训练图像和训练图像对应的基准图像，基准图像的分辨率高于训练图像的分辨率；

通过待训练的神经网络模型基于所述训练图像迭代进行多尺度特征提取，获得第一训练特征图；

通过所述待训练的神经网络模型根据所述第一训练特征图和所述训练图像的先验特征图得到第二训练特征图；

通过所述待训练的神经网络模型基于所述第二训练特征图迭代进行所述多尺度特征提取；

通过所述待训练的神经网络模型根据每次所述多尺度特征提取的结果进行特征融合，得到第三训练特征图；

通过所述待训练的神经网络模型根据所述第三训练特征图进行图像重建，得到训练重建图像；所述训练重建图像的分辨率高于所述训练图像的分辨率；

根据所述训练重建图像和所述训练图像对应的基准图像调整所述待训练的神经网络模型的参数后继续进行训练，直至满足训练结束条件时结束训练，得到训练完成的神经网络模型。

一种图像处理装置，所述装置包括：

图像获取模块，用于获取待处理图像；

第一重建特征图获得模块，用于基于待处理图像迭代进行多尺度特征提取，获得第一重建特征图；