[发明专利]图像退化处理方法、装置、存储介质及电子设备有效

专利信息
申请号: 202011308390.0 申请日: 2020-11-19
公开(公告)号: CN112419151B 公开(公告)日: 2023-07-21
发明(设计)人: 王伟;袁泽寰;王长虎 申请(专利权)人: 北京有竹居网络技术有限公司
主分类号: G06T3/40 分类号: G06T3/40
代理公司: 北京英创嘉友知识产权代理事务所(普通合伙) 11447 代理人: 魏嘉熹
地址: 101299 北京市平*** 国省代码: 北京;11
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 退化 处理 方法 装置 存储 介质 电子设备
【权利要求书】:

1.一种图像退化处理方法,其特征在于,所述方法包括:

获取高分辨率高质图像;

对所述高分辨率高质图像降采样,以得到低分辨率高质图像;

将所述低分辨率高质图像输入图像退化模型,以得到低分辨率低质图像,所述图像退化模型是根据样本低分辨率高质图像的亮度图像特征和样本低分辨率低质图像的亮度图像特征训练得到的,所述样本低分辨率高质图像是对样本高分辨率高质图像降采样而得到的,其中,所述图像退化模型的训练过程包括:针对模拟低分辨率高质图像的亮度图像特征、所述样本低分辨率高质图像的亮度图像特征、所述模拟低分辨率低质图像的亮度图像特征和所述样本低分辨率低质图像的亮度图像特征,提取低频信号,以得到目标数据集;根据所述目标数据集包括的图像特征对所述图像退化模型进行训练;

所述低分辨率低质图像用于训练超分辨重建网络,所述超分辨重建网络用于对输入的低分辨率低质视频进行修复,以得到高分辨率高质视频;

其中,所述样本高分辨率高质图像和所述样本低分辨率低质图像是通过如下方式得到的:

采集多个高分辨率高质视频和多个低分辨率低质视频;

针对每一高分辨率高质视频,将该高分辨率高质视频对应的每一帧图像进行图像分割,以得到多个第一图像块,并在所述多个第一图像块中,选取像素值满足预设条件的目标第一图像块作为样本高分辨率高质图像,所述预设条件为图像块中像素值的方差大于或等于预设阈值,或所述预设条件为图像块中的像素点的低频特征所对应的均值或方差大于或等于预设阈值;

针对每一低分辨率低质视频,将该低分辨率低质视频对应的每一帧图像进行图像分割,以得到多个第二图像块,并在所述多个第二图像块中,选取像素值满足所述预设条件的目标第二图像块作为样本低分辨率低质图像。

2.根据权利要求1所述的方法,其特征在于,所述图像退化模型包括图像退化模块、图像退化去除模块、第一判别器和第二判别器;

所述图像退化模块用于根据输入的所述样本低分辨率高质图像的亮度图像特征进行图像退化处理,并输出所述样本低分辨率高质图像对应的模拟低分辨率低质图像的亮度图像特征;

所述图像退化去除模块用于根据输入的所述样本低分辨率低质图像的亮度图像特征进行图像修复处理,并输出所述样本低分辨率低质图像对应的模拟低分辨率高质图像的亮度图像特征;

所述第一判别器用于根据输入的所述模拟低分辨率高质图像的亮度图像特征和所述样本低分辨率高质图像的亮度图像特征进行模型训练;

所述第二判别器用于根据输入的所述模拟低分辨率低质图像的亮度图像特征和所述样本低分辨率低质图像的亮度图像特征进行模型训练。

3.根据权利要求1所述的方法,其特征在于,所述提取低频信号包括:

通过高斯低通滤波器提取低频信号或通过哈尔小波变换提取低频信号。

4.根据权利要求1所述的方法,其特征在于,所述根据所述目标数据集包括的图像特征对所述图像退化模型进行训练,包括:

按照如下方式计算损失函数:

Lcont=λ1G(Z)l-Zl12F(X)l-Xl1

其中,Lcont表示损失函数,λ1和λ2表示预设权重值,G(Z)l表示从模拟低分辨率低质图像的亮度图像特征中提取的低频信号,Zl表示从样本低分辨率高质图像的亮度图像特征中提取的低频信号,F(X)l表示从模拟低分辨率高质图像的亮度图像特征中提取的低频信号,Xl表示从样本低分辨率低质图像的亮度图像特征中提取的低频信号;

根据所述损失函数调整所述图像退化模型的参数。

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北京有竹居网络技术有限公司,未经北京有竹居网络技术有限公司许可,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/202011308390.0/1.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