[发明专利]图像的超分辨率方法、装置和服务器

说明书

本发明提供了一种图像的超分辨率方法、装置和服务器，首先确定待处理图像的失真参数；根据失真参数，对待处理图像进行失真修复处理，得到待处理图像修复后的修复图像；通过预先训练完成的超分辨率网络模型，对修复图像进行超分辨率处理，得到待处理图像对应的超分辨率图像，超分辨率网络模型为基于样本图像的失真参数对样本图像进行失真修复处理后，根据样本图像的修复图像训练得到。该方式只需训练一个超分辨率网络模型，无需针对不同的失真类型训练多个网络模型，从而降低了模型训练的成本，也提高了模型的泛化性；同时该方式无需人工介入，可自动得到待处理图像的超分辨率图像，节省了人力成本。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种图像的超分辨率方法、装置和服务器。

背景技术

自然场景图像通常是指人们通过相机、摄像机等器材在自然环境中拍摄的图像，该自然场景图像具有分布广、种类多的特点，导致自然场景图像存在的失真类型也较多。

为了得到存在失真的自然场景图像的超高清图像，相关技术中，通常针对图像的不同失真类型，分别训练对应的超分辨率网络，在得到自然场景图像的超高清图像时，可以根据自然场景图像的不同失真类型，手动选择对应的超分辨率网络进行处理，得到超高清图像；也可以将自然场景图像分别输入至不同的失真类型对应的超分辨率网络中，得到每个超分辨率网络的输出结果，并从所有的输出结果中选择效果最好的图像作为最终的超高清图像。由于上述方式需要训练多个超分辨率网络，导致网络训练的成本较高。

发明内容

本发明的目的在于提供一种图像的超分辨率方法、装置和服务器，以减少网络训练的成本。

第一方面，本发明实施例提供一种图像的超分辨率方法，该方法包括：确定待处理图像的失真参数；根据该失真参数，对待处理图像进行失真修复处理，得到待处理图像修复后的修复图像；通过预先训练完成的超分辨率网络模型，对修复图像进行超分辨率处理，得到待处理图像对应的超分辨率图像；其中，该超分辨率网络模型为：基于预设样本图像的失真参数对样本图像进行失真修复处理后，根据样本图像的修复图像训练得到。

在可选的实施方式中，上述失真参数包括失真类型；上述确定待处理图像的失真参数的步骤，包括：对待处理图像进行质量分析，得到待处理图像的失真类型，以及失真类型对应的失真强度；如果待处理图像的失真类型包括多种，根据每种失真类型的失真强度，确定待处理图像的最终失真类型。

在可选的实施方式中，上述根据每种失真类型的失真强度，确定待处理图像的最终失真类型的步骤，包括：将失真强度最大的失真类型，确定为待处理图像的最终失真类型；或者，将失真强度高于预设强度阈值的失真类型，确定为待处理图像的最终失真类型。

在可选的实施方式中，上述失真参数包括失真类型；上述根据失真参数，对待处理图像进行失真修复处理，得到待处理图像修复后的修复图像的步骤，包括：通过待处理图像的失真类型对应的失真修复方式，对待处理图像进行失真修复处理，得到待处理图像修复后的修复图像。

在可选的实施方式中，上述通过预先训练完成的超分辨率网络模型，对修复图像进行超分辨率处理，得到待处理图像对应的超分辨率图像的步骤，包括：将修复图像输入至超分辨率网络模型中，输出待处理图像对应的超分辨率图像。

在可选的实施方式中，上述超分辨率网络模型，通过下述方式训练得到：基于预设的样本集合确定样本图像；确定该样本图像的失真参数；根据该样本图像的失真参数，对该样本图像进行失真修复处理，得到该样本图像的修复图像；将该样本图像的修复图像输入至预设的初始网络模型中，以对初始网络模型进行训练，得到超分辨率网络模型。

在可选的实施方式中，上述通过预先训练完成的超分辨率网络模型，对修复图像进行超分辨率处理，得到待处理图像对应的超分辨率图像的步骤，包括：将修复图像和待处理图像输入至超分辨率网络模型中，输出待处理图像对应的超分辨率图像。