[发明专利]一种图像质量优化方法及显示方法

权利要求书

1.一种图像质量优化方法，包括：

S1.获取输入图像，对所述输入图像进行预处理并输入至第一处理模型；

S2.基于所述第一处理模型对所述输入图像进行去模糊处理获得第一图像；

S3.将所述第一图像输入至第二处理模型进行超分辨率处理，并输出第二图像。

2.根据权利要求1所述的图像质量优化方法，其特征在于，所述输入图像为图像质量低于预设条件的模糊图像。

3.根据权利要求2所述的图像质量优化方法，其特征在于，所述第一处理模型采用图像去模糊网络训练生成，其网络构建为尺度循环网络。

4.根据权利要求3所述的图像质量优化方法，其特征在于，所述第一处理模型具有三个尺度网络层，其中，上一尺度网络层的输出为下一尺度网络层的输入进行循环。

5.根据权利要求4所述的图像质量优化方法，其特征在于，所述第一处理模型的任一所述尺度网络层包含7个特征提取模块，2个降采样模块，2个上采样模块；

所述特征提取模块由2个卷积层，1个批归一化层，一个ReLu层以及残差连接结构组成。

6.根据权利要求1至5任一项所述的图像质量优化方法，其特征在于，步骤S2中，基于所述第一处理模型对所述输入图像进行去模糊处理获得第一图像的步骤中，包括：

S21.基于所述第一处理模型对所述输入图像进行特征提取；

S22.将提取的特征进行特征重构，得到特定尺寸的第一特征图像；

S23.调整所述输入图像的尺寸，与所述第一特征图像的尺寸一致后进行通道结合重新作为输入进行特征提取；

S24.将提取的特征进行特征重构，得到特定尺寸的第二特征图像；

S25.调整所述第一特征图像的尺寸，与所述第二特征图像的尺寸一致后进行通道结合重新作为输入进行特征提取；

S26.将提取的特征进行特征重构，得到特定尺寸的第三特征图像；

S27.将所述第一特征图像、所述第二特征图像和所述第三特征图像进行特征融合重构，得到去模糊后的所述第一图像。

7.根据权利要求1至5任一项所述的图像质量优化方法，其特征在于，步骤S3中，将所述第一图像输入至第二处理模型进行超分辨率处理，并输出第二图像的步骤中，包括：

S31.基于所述第二处理模块中的级联残差模块对所述第二图像进行特征提取获得多个尺度的特征图像；

S32.对多个尺度的所述特征图像进行融合重建，并生成与所述输入图像尺寸相同的所述第二图像。

8.根据权利要求7所述的图像质量优化方法，其特征在于，所述第二处理模型采用图像超分辨率网络训练生成。

9.根据权利要求8所述的图像质量优化方法，其特征在于，所述第二处理模型包括级联残差模块和分别与所述级联残差模块相连接的3个上采样模块；

所述级联残差模块包括3个级联的残差模块，其中，一个残差模块由2个卷积层，2个ReLu层以及残差连接结构组成。

10.根据权利要求8所述的图像质量优化方法，其特征在于，步骤S1之前，还包括：

S0.构建训练数据集，以及基于图像去模糊网络训练生成所述第一处理模型，和基于图像超分辨率网络生成所述第二处理模型。

11.根据权利要求10所述的图像质量优化方法，步骤S0中，构建训练数据集的步骤中，所述训练数据集包括真实图像数据集和仿真图像数据集。