[发明专利]图像处理方法、装置及其计算机程序产品在审

专利信息
申请号: 201980097713.5 申请日: 2019-06-25
公开(公告)号: CN114008661A 公开(公告)日: 2022-02-01
发明(设计)人: 维克多·弗拉基米罗维奇·斯米尔诺夫;颜友亮;汪涛;邹学益 申请(专利权)人: 华为技术有限公司
主分类号: G06T1/20 分类号: G06T1/20;G06T11/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 518129 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 及其 计算机 程序 产品
【权利要求书】:

1.一种图像处理方法(200),其特征在于,包括:

从图像源接收(S202)原始图像(308),所述原始图像具有预定义大小和高分辨率,并且所述原始图像以所述图像源支持的第一颜色空间表示;

通过缩小所述第一颜色空间的所述原始图像,获得(S204)中间图像;

将以所述第一颜色空间表示的所述中间图像转换(S206)到图像渲染器支持的第二颜色空间,获得转换后的中间图像(310);

通过将所述转换后的中间图像放大到所述原始图像的所述预定义大小,同时提供还原图像的类似高分辨率,获得(S208)所述还原图像,

其中,所述放大是通过使用卷积神经网络(300)来执行的,所述卷积神经网络(300)用于接收所述原始图像(308)和所述转换后的中间图像(310)作为输入,并基于所述输入返回所述还原图像(312),

其中,所述卷积神经网络(300)基于三元组的训练集进行预训练,每个三元组包括所述图像源的过去的原始图像,以及均与所述过去的原始图像相对应的转换后的过去的中间图像和过去的还原图像。

2.根据权利要求1所述的方法,其特征在于,所述原始图像的所述预定义大小表示为(w,h),其中,w和h分别是以像素为单位的所述原始图像的宽度和高度,并且执行所述缩小所述第一颜色空间的所述原始图像,使得所述中间图像具有表示为(w/4,h/4)的大小。

3.根据权利要求1或2所述的方法,其特征在于,所述三元组的训练集包括在内容、分辨率和光照条件上类似于所述接收到的原始图像的所述过去的原始图像。

4.根据权利要求1至3中任一项所述的方法,其特征在于,每个三元组通过以下步骤形成:

-接收(S502)以所述第一颜色空间表示的所述过去的原始图像;

-通过缩小所述第一颜色空间的所述过去的原始图像,获得(S504)所述过去的中间图像;

-将以所述第一颜色空间表示的所述过去的中间图像转换(S506)到所述第二颜色空间;

-通过将以所述第一颜色空间表示的所述过去的原始图像转换到所述第二颜色空间,获得(S508)所述过去的还原图像;

-将所述过去的原始图像与所述转换后的过去的中间图像和所述过去的还原图像组合(S510)。

5.根据权利要求4所述的方法,其特征在于,所述缩小原始图像和所述缩小每个所述过去的原始图像是通过使用相同的插值算法或不同的插值算法执行的。

6.根据权利要求1至5中任一项所述的方法,其特征在于,所述原始图像(308)包括高频分量和低频分量,所述卷积神经网络(300)包括:

-第一提取块(302),用于从所述原始图像中提取所述高频分量;

-第二提取块(304),用于从所述转换后的中间图像中提取所述低频分量;

-解码块(306),用于将所述提取的高频分量和低频分量合并到所述还原图像中。

7.根据权利要求6所述的方法,其特征在于,所述第一提取块(302)、所述第二提取块(304)和所述解码块(306)中的每一个包括至少一个神经元的2D卷积层。

8.根据权利要求6或7所述的方法,其特征在于,所述卷积神经网络(300)中的所述第一提取块(302)和所述第二提取块(304)用于并行操作。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司,未经华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201980097713.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top