[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
【说明书】:

本公开涉及一种图像退化处理方法、装置、存储介质及电子设备,以相关技术在获取低质量图像中存在的训练数据与实际数据之间数据分布不一致以及颜色偏移的问题。该方法包括:获取高分辨率高质图像;对高分辨率高质图像降采样,以得到低分辨率高质图像;将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,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,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;低分辨率低质图像用于训练超分辨重建网络,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。

技术领域

本公开涉及视频处理技术领域,具体地,涉及一种图像退化处理方法、装置、存储介质及电子设备。

背景技术

随着科学技术的不断发展,人们可以享受到观看高分辨率高质量视频的体验。但是,视频在采集阶段和传输阶段,非常容易受到噪声、模糊、压缩等因素的影响,导致视频质量低劣,这在一些老电影片源中,问题尤为显著。

相关技术可以通过有监督复原算法进行视频修复。在有监督复原算法的训练过程中,需要通过低质量图像和高质量图像进行训练,以学习低质量图像和高质量图像间的映射,从而实现对视频中每一帧图像的修复。但是,在此过程中,低质量图像主要是通过人为控制地对高质量图像添加高斯噪声、高斯模糊等退化操作而得到的。如果用于训练的低质量图像的噪声、模糊等情况与待修复的真实图像不一致,则可能导致无法对该真实图像进行有效修复的问题,从而影响视频修复效果。

发明内容

提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。

第一方面,本公开提供一种图像退化处理方法,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;

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。

第二方面,本公开提供一种图像退化处理装置,所述装置包括:

获取模块,用于获取高分辨率高质图像;

第一处理模块,用于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;

第二处理模块,用于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;

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。

第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现第一方面中所述方法的步骤。

第四方面,本公开提供一种电子设备,包括:

存储装置,其上存储有计算机程序;

处理装置,用于执行所述存储装置中的所述计算机程序,以实现第一方面中所述方法的步骤。

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/202011308390.0/2.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