[发明专利]基于改进孪生网络的图像处理方法及系统及装置及介质

说明书

本发明公开了基于改进孪生网络的图像处理方法及系统及装置及介质，涉及图像处理领域，所述方法包括：预处理原图得到图像I₁；过滤图像I₁中的低频信息得到图像I₂；将图像I₁和图像I₂输入图像清晰度判断模型，图像清晰度判断模型输出原图的清晰度评价预测值和清晰度判断预测值；本发明将孪生网络与图像处理技术相结合，在自动提取图像特征的前提下，能够同时得到图像的清晰度评价预测值和图像的清晰度判断预测值。

技术领域

本发明涉及图像处理领域，具体地，涉及基于改进孪生网络的图像处理方法及系统及装置及介质。

背景技术

图像的模糊程度直接影响到对图像内容的识别和分析，因此，对图像的模糊判断是其他后续任务的首要环节。现有的图像清晰度评价方法大多建立在图像边缘以及整体信息熵的统计信息之上。一般来讲，图像细节信息保留越多，图像灰度变化越敏锐，则认为图像越清晰。基于此，目前常用的图像清晰度评价函数主要分为：梯度函数、频谱函数和熵函数。

近年来，基于有监督学习的深度学习技术在计算机视觉领域不断取得新的突破。

现有图像处理技术要么是只得到图像的清晰度评价指标，比如利用传统的评价函数计算图像的清晰度指数，要么是给出图像清晰还是模糊的分类，无法同时得到图像的清晰度评价预测值和图像清晰度判断预测值。

发明内容

本发明提供了基于改进孪生网络的图像处理方法及系统及装置及介质，本发明将孪生网络与图像处理技术相结合，在自动提取图像特征的前提下，能够同时得到图像的清晰度评价预测值和图像的清晰度判断预测值。

为实现上述目的，本发明提供了基于改进孪生网络的图像处理方法，所述方法包括：

预处理原图得到图像I₁；

过滤图像I₁中的低频信息得到图像I₂；

将图像I₁和图像I₂输入图像清晰度判断模型，图像清晰度判断模型输出原图的清晰度评价预测值和清晰度判断预测值；

其中，图像清晰度判断模型对图像I₁和图像I₂的处理过程包括：

图像清晰度判断模型中设有孪生网络，孪生网络中设有网络1和网络2，网络1与网络2结构相同，且网络1与网络2参数共享；

图像I₁输入网络1得到特征矢量u，图像I₂输入网络2得到特征矢量v；

孪生网络的全连接层包括第一全连接子层fc₁、第二全连接子层fc₂和第三全连接子层fc₃，第一全连接子层fc₁的输出分别输入第二全连接子层fc₂和第三全连接子层fc₃，第二全连接子层fc₂输出图像的清晰度评价预测值，第三全连接子层fc₃输出图像的清晰度判断预测值；其中，在第一全连接子层fc₁中将u、v、|u-v|和u×v四个向量合成为一个矢量作为第一全连接子层fc₁的输入矢量。

其中，针对从不同渠道获取的图像，部分图像因模糊而无法进行内容的解译和分析，需要采用一定的方法过滤掉，避免进入后续的处理环节，本发明在利用一种改进的孪生网络，自动提取图像特征，并同时得到图像的清晰度评价预测值和图像的清晰度判断预测值。

其中，本发明与现有技术的主要区别在于：

1.合理构建网络的输入，并将孪生网络与图像清晰度分析结合；