[发明专利]图像处理方法、装置及电子设备

说明书

本申请公开了一种图像处理方法、装置及电子设备，属于图像处理技术领域。该方法包括：对目标图像进行场景分割，获取所述目标图像包含的各个场景；根据所述目标图像包含的各个场景对应的场景权重，生成第一权重图；将所述目标图像以及所述第一权重图输入至目标网络模型中，以生成目标高分辨率图像；其中，所述目标图像为待处理的低分辨率图像。

技术领域

本申请属于图像处理技术领域，具体涉及一种图像处理方法、装置及电子设备。

背景技术

训练深度学习网络模型需要构造样本图像。常见的构造方法有采集和退化两种。

其中，通过退化的方法构造样本图像需要采集高分辨率图像，然后对图像进行退化操作，生成低分辨率图像。

由于每次训练均采用相同的退化模型，所以生成的图像的噪声分布及模糊程度都在一个固定水平，使得深度学习网络模型只能处理噪声分布及模糊程度都在该固定水平以下的低分辨率图像。

在图像的噪声分布或模糊程度超出上述固定水平的情况下，深度学习网络模型输出的高分辨率图像的效果就会较差。

发明内容

本申请实施例的目的是提供一种图像处理方法、装置及电子设备，能够解决退化模型训练的网络模型生成的图像效果较差的问题。

第一方面，本申请实施例提供了一种图像处理方法，该方法包括：

对目标图像进行场景分割，获取所述目标图像包含的各个场景；

根据所述目标图像包含的各个场景对应的场景权重，生成第一权重图；

将所述目标图像以及所述第一权重图输入至目标网络模型中，以生成目标高分辨率图像；

其中，所述目标图像为待处理的低分辨率图像。

第二方面，本申请实施例提供了一种图像处理的装置，该装置包括：

获取模块，用于对目标图像进行场景分割，获取所述目标图像包含的各个场景；

权重图生成模块，用于根据所述目标图像包含的各个场景对应的场景权重，生成第一权重图；

生成模块，用于将所述目标图像以及所述第一权重图输入至目标网络模型中，以生成目标高分辨率图像；

其中，所述目标图像为待处理的低分辨率图像。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法的步骤。

本申请实施例提供的图像处理方法、装置及电子设备，通过在退化模型中引入场景分割，并给不同场景赋予场景权重，以引导目标网络模型生成不同强弱细节的图像，从而能够提高生成的图像的效果。

附图说明

图1是根据本申请实施例的图像处理方法的流程示意图；

图2是根据本申请实施例的图像处理方法的模型训练流程示意图；

图3是根据本申请实施例提供的图像处理装置的模块框图；

图4是根据本申请实施例的电子设备的结构示意图；

图5是实现本申请实施例的一种电子设备的硬件结构示意图。