[发明专利]一种图像处理方法以及相关设备

说明书

本申请涉及人工智能领域，公开了一种图像处理方法，方法包括：获取第一编码数据，第一编码数据为对第一图像进行编码得到的；对第一编码数据进行熵解码，得到至少一个第一特征图；通过生成模型对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，至少一个第二特征图包括的图像高频信息多于至少一个第一特征图包括的图像高频信息；对至少一个第二特征图进行图像重构，得到第二图像。本申请通过生成模型得到的至少一个第二特征图包括的图像高频信息多于至少一个第一特征图包括的图像高频信息，因此重构后的第二图像包括的纹理细节多于通过对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，提高了重建图的主观感受。

技术领域

本申请涉及人工智能领域，尤其涉及一种图像处理方法以及相关设备。

背景技术

如今多媒体数据占据了互联网的绝大部分流量。对于图像数据的压缩对于多媒体数据的存储和高效传输有着至关重要的作用。所以图像编码是一项具有重大实用价值的技术。

对于图像编码的研究已经有较长的历史了，研究人员提出了大量的方法，并制定了多种国际标准，比如JPEG，JPEG2000，WebP，BPG等图像编码标准。这些编码方法虽然在目前都得到了广泛应用，但是针对现在不断增长的图像数据量及不断出现的新媒体类型，这些传统方法显示出了某些局限性。

近年来，开始有研究人员开展了基于深度学习图像编码方法的研究。有些研究人员已经取得了不错的成果，比如Ballé等人提出了一种端到端优化的图像编码方法，取得了超越目前最好的图像编码性能，甚至超越了目前最好的传统编码标准BPG。

在端到端的图像压缩框架中，重建图像的失真度往往是通过峰值信噪比(peaksignal to noise ratio，PNSR)或多尺度结构相似性(MS-structual similarity)这类指标来衡量。然而，把PSNR或MS-SSIM当做图像失真度来进行端到端优化所得到的模型，虽然在该指标上超越了传统图像压缩算法，但是其重建图主观感受较差。

发明内容

第一方面，本申请提供一种图像处理方法，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；第一图像可以为待压缩的图像，其中，第一图像可以是终端设备通过摄像头拍摄到的图像，或者，该第一图像还可以是从终端设备内部获得的图像(例如，终端设备的相册中存储的图像，或者，终端设备从云端获取的图片)。应理解，上述第一图像可以是具有图像压缩需求的图像，本申请并不对待处理图像的来源作任何限定。

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；应理解，若在编码时对至少一个特征图中的部分或全部特征值进行增益，则可以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，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，至少一个第一特征图包括所述M个第二特征值。