[发明专利]一种图像处理方法以及相关设备

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

获取第一编码数据，所述第一编码数据为对第一图像进行编码得到的；

对所述第一编码数据进行熵解码，得到至少一个第一特征图；

通过生成模型(generative model)对所述至少一个第一特征图进行处理，以得到至少一个第二特征图，其中，所述至少一个第二特征图包括的图像高频信息多于所述至少一个第一特征图包括的图像高频信息；

对所述至少一个第二特征图进行图像重构，得到第二图像。

2.根据权利要求1所述的方法，其特征在于，所述生成模型通过基于损失训练初始生成模型得到，所述初始生成模型属于生成式对抗网络GAN，所述GAN还包括判别模型(discriminative model)，所述损失包括在进行所述GAN的训练时所述判别模型确定的感知对抗损失，所述感知对抗损失用于表示进行图像重构得到的重构图像与编码前的样本图像之间包括的图像的纹理细节差异。

3.根据权利要求1或2所述的方法，其特征在于，所述第二图像包括的纹理细节多于通过对所述至少一个第一特征图进行图像重构得到的图像的纹理细节。

4.根据权利要求1至3任一所述的方法，其特征在于，所述对所述至少一个第二特征图进行图像重构，包括：

对所述至少一个第一特征图进行卷积运算，以得到至少一个第三特征图；

根据所述至少一个第三特征图以及所述至少一个第二特征图进行图像重构。

5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个第三特征图以及所述至少一个第二特征图进行图像重构，包括：

获取第一权重值，并将所述至少一个第二特征图与所述第一权重值进行乘积运算，以得到调整后的至少一个第二特征图；

所述根据所述至少一个第三特征图以及所述至少一个第二特征图进行图像重构，包括：

根据所述至少一个第三特征图以及所述调整后的至少一个第二特征图进行图像重构。

6.根据权利要求1至3任一所述的方法，其特征在于，所述方法还包括：

获取第二权重值，并将所述至少一个第二特征图与所述第二权重值进行乘积运算，以得到调整后的至少一个第二特征图；

所述对所述至少一个第二特征图进行图像重构，包括：

对所述调整后的至少一个第二特征图进行图像重构。

7.根据权利要求1至6任一所述的方法，其特征在于，

所述对所述第一编码数据进行熵解码，得到至少一个第一特征图，包括：

对所述第一编码数据进行熵解码，得到至少一个第四特征图，所述至少一个第四特征图包括N个第一特征值，所述N为正整数；

获取M个反增益值，所述M个反增益值对应于所述第一编码数据的压缩码率，每个反增益值对应一个第一特征值，所述M为小于或等于N的正整数；

根据所述M个反增益值分别对对应的第一特征值进行处理，得到至少一个第一特征图，所述至少一个第一特征图包括所述M个第二特征值。

8.根据权利要求7所述的方法，其特征在于，所述M个第二特征值为通过将M个反增益值分别与对应的第一特征值进行乘积运算得到的。

9.根据权利要求1至8任一所述的方法，其特征在于，所述第一编码数据为对第一图像中的第一区域进行编码得到的；所述方法还包括：

获取第二编码数据，所述第二编码数据为对第一图像中的第二区域进行编码得到的；

对所述第二编码数据进行熵解码，得到至少一个第五特征图；

对所述至少一个第五特征图进行图像重构，以得到第一重构结果；

所述对所述至少一个第二特征图进行图像重构，得到第二图像，包括：

对所述至少一个第二特征图进行图像重构，得到第二重构结果；

根据所述第一重构结果和所述第二重构结果，获取所述第二图像。