[发明专利]基于深度神经网络模型的图像生成方法与装置

说明书

本申请实施例公开了一种基于深度神经网络模型的图像生成方法及装置，包括：获取待处理的原始图像和预设图像数据库，原始图像用于生成目标图像，目标图像比原始图像具有更多图像特征；将原始图像进行图像分块处理，得到原始图像的M个第一子图像块，M为大于1的整数；将M个第一子图像块输入预先训练的深度神经网络模型，得到M个第二子图像块，深度神经网络模型由预设图像数据库训练得到；从预设图像数据库中获得与M个第二子图像块相似度最高的M个第三子图像块；根据M个第二子图像块和M个第三子图像块生成目标图像。本申请实施例不仅有利于提高每个像素处理的效率，还有利于增加生成图像的生成效果和画质。

技术领域

本申请涉及图像处理和深度学习领域，具体涉及一种基于深度神经网络模型的图像生成方法与装置。

背景技术

在图像处理、计算机图形学和计算机视觉领域，图像生成问题可以看作将输入图像生成相对应的输出图像。

随着深度学习技术的发展，深度神经网络模型在各个领域展现出接近甚至超越人类的作用，例如无人驾驶、语音识别、人脸识别等。因此，基于深度神经网络进行图像生成的研究也越来越多。然而，输入图像可能存在各种不同的限制，例如输入图像为手绘图像、素描图像、缺失图像等等，这也经常导致用于训练深度神经网络模型的数据集数量不足，或者生成的图像质量与画质不佳等问题。虽然，通过一些线性与非线性函数、插值法可以提高图像质量，但也存在方案复杂或效果不佳的情况。

发明内容

本申请实施例提供了一种基于深度神经网络模型的图像生成方法与装置，以期望提高每个像素处理的效率，以及增加生成图像的生成效果和画质。

第一方面，本申请实施例提供一种基于深度神经网络模型的图像生成方法，包括：

获取待处理的原始图像和预设图像数据库，所述原始图像用于生成目标图像，所述目标图像比所述原始图像具有更多图像特征；

将所述原始图像进行图像分块处理，得到所述原始图像的M个第一子图像块，所述M为大于1的整数；

将所述M个第一子图像块输入预先训练的深度神经网络模型，得到M个第二子图像块，所述M个第一子图像块与所述M个第二子图像块一一对应，所述深度神经网络模型由所述预设图像数据库训练得到；

从所述预设图像数据库中获得与所述M个第二子图像块相似度最高的M个第三子图像块，所述M个第二子图像块与所述M个第三子图像块一一对应；

根据所述M个第二子图像块和所述M个第三子图像块生成所述目标图像。

第二方面，本申请实施例提供一种基于深度神经网络模型的图像生成装置，包括：

处理单元，用于获取待处理的原始图像和预设图像数据库，所述原始图像用于生成目标图像，所述目标图像比所述原始图像具有更多图像特征；用于将所述原始图像进行图像分块处理，得到所述原始图像的M个第一子图像块；用于将所述M个第一子图像块输入预先训练的深度神经网络，得到M个第二子图像块，所述M个第一子图像块与所述M个第二子图像块一一对应，所述深度神经网络由所述预设图像数据库训练得到；用于从所述预设图像数据库中获得与所述M个第二子图像块相似度最高的M个第三子图像块，所述M个第二子图像块与所述M个第三子图像块一一对应；用于根据所述M个第二子图像块和所述M个第三子图像块生成所述目标图像。

第三方面，本申请实施例提供一种电子设备，所述电子设备包括应用处理器和存储器，所述存储器存储有至少一条指令，所述至少一条指令用于被所述应用处理器执行以实现上述第一方面所述的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，并且上述计算机程序被处理器执行以实现本申请实施例第一方面中所描述的部分或全部步骤。