[发明专利]一种图像处理方法、图像处理装置和电子设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取相同对象的第一图像和第二图像，其中，所述第二图像的清晰度高于所述第一图像的清晰度；

获取流动矩阵；

通过所述流动矩阵，对所述第二图像的像素点进行位置偏移，得到第三图像，其中，所述第三图像是与所述第一图像相对齐的图像；

将所述第三图像和所述第一图像进行图像融合，生成第四图像，其中，所述第四图像的清晰度高于所述第一图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述通过所述流动矩阵，对所述第二图像的像素点进行位置偏移，得到第三图像，包括：

确定第一关键点坐标集合和第二关键点坐标集合，所述第一关键点坐标集合包括所述第一图像中至少一个第一关键点的坐标，所述第二关键点坐标集合包括所述第二图像中至少一个第二关键点的坐标；

通过所述流动矩阵，对所述第二坐标集合进行坐标转换，得到位置偏移后的第三关键点坐标集合，其中，所述第三关键点坐标集合包括至少一个与所述第一关键点集合重合的关键点的坐标；

确定所述第三关键点坐标集合相对与所述第二关键点坐标集合的第一偏移量；

根据所述第一偏移量，通过双线性插值法，确定所述第二图像中的其余像素点坐标集合对应的第二偏移量；

根据所述第二偏移量，对所述第二图像中的其余像素点坐标进行位置偏移，得到所述第三图像。

3.根据权利要求1所述的图像处理方法，其特征在于，所述获取相同对象的第一图像和第二图像，包括：

获取第一原始图像和第二原始图像；

在所述第一原始图像中，抠取所述对象的所述第一图像，并在所述第二原始图像中，抠取所述对象的所述第二图像。

4.根据权利要求2所述的图像处理方法，其特征在于，所述获取流动矩阵，包括：

获取预设的目标编码-解码模型，所述目标编码-解码模型包括编码神经网络和解码神经网络，其中，所述解码神经网络包括转置卷积网络和普通卷积网络；

按照自然三原色通道，合并所述第一图像和所述第二图像，得到合并图像；

通过所述编码神经网络，对所述合并图像进行卷积，并对卷积后的所述合并图像进行归一化处理，得到所述编码神经网络输出的编码数据；

通过所述解码神经网络，对所述编码数据进行转置卷积，对转至卷积后的所述编码数据进行归一化处理，并对归一化处理后的所述编码数据进行普通卷积，得到所述解码神经网络输出的所述流动矩阵。

5.根据权利要求4所述的图像处理方法，其特征在于，在所述通过流动矩阵对所述第二图像的像素点进行位置偏移的步骤之前，所述图像处理方法还包括：

获取预设的编码-解码模型；

基于所述第一关键点和所述第二关键点，确定第一目标损失函数；

通过所述第一目标损失函数，对所述预设的编码-解码模型进行训练，得到所述目标编码-解码模型。

6.根据权利要求1至5中任一项所述的图像处理方法，其特征在于，所述对所述第三图像和所述第一图像进行图像融合，生成第四图像，包括：

获取目标神经网络模型；

通过所述目标神经网络模型，将所述第三图像和所述第一图像进行图像融合，得到所述目标神经网络模型输出的所述第四图像。

7.根据权利要求6所述的图像处理方法，其特征在于，在所述对所述第三图像和所述第一图像进行图像融合之前，所述图像处理方法还包括：

获取预设的神经网络模型、判别器网络模型、图像训练集和对比图像集合；

将所述图像训练集输入至所述神经网络模型，得到中间图像；

将所述中间图像和所述对比图像集合中对应的对比图像输入至所述判别器网络模型，对所述预设神经网络模型进行对抗训练；

通过预设的第二目标损失函数，对完成所述对抗训练的所述预设神经网络模型进行训练，得到所述目标神经网络模型。