[发明专利]数据处理方法、装置、终端设备及计算机可读存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取待处理数据，所述待处理数据包括多帧图像，所述多帧图像为采用互不相同的图像大小压缩比例对图像大小相同的多个原始图像进行压缩得到的；

对所述待处理数据进行去模糊处理、降采样处理和特征提取处理，得到第一特征数据；

对所述第一特征数据进行特征对齐处理和特征融合处理，得到第二特征数据；

对所述第二特征数据进行特征重建处理和上采样处理，得到重建上采样结果；

将所述重建上采样结果与所述多帧图像中的参考图像进行叠加处理，得到去压缩模糊图像。

2.如权利要求1所述的方法，其特征在于，所述对所述待处理数据进行去模糊处理、降采样处理和特征提取处理，得到第一特征数据，包括：

将所述待处理数据输入去模糊网络中进行去模糊处理，输出第一特征信息；

对所述第一特征信息进行N倍下采样处理，得到下采样特征信息，所述N为大于1的整数；

通过多个堆叠的残差模块对所述下采样特征信息进行特征提取处理，得到第一特征数据。

3.如权利要求2所述的方法，其特征在于，所述对所述第一特征数据进行特征对齐处理和特征融合处理，得到第二特征数据，包括：

通过金字塔级联和可变形模块对所述第一特征数据进行特征对齐处理，得到第二特征信息；

通过特征融合模块对所述第二特征信息进行特征融合处理，得到第二特征数据。

4.如权利要求3所述的方法，其特征在于，所述对所述第二特征数据进行特征重建处理和上采样处理，得到重建上采样结果，包括：

将所述第二特征数据输入已训练的分级注意力网络模型进行特征重建处理，输出重建结果；

对所述重建结果进行N倍上采样处理，得到重建上采样结果。

5.如权利要求4所述的方法，其特征在于，所述已训练的分级注意力网络模型包括分级卷积神经网络模型和通道注意力机制模型。

6.如权利要求5所述的方法，其特征在于，所述将所述重建上采样结果与所述多帧图像中的参考图像进行叠加处理，得到去压缩模糊图像，包括：

从所述多帧图像中选取满足预设条件的参考图像；

对所述重建上采样结果与所述参考图像进行叠加处理，得到去压缩模糊图像。

7.如权利要求1至6任一项所述的方法，其特征在于，所述获取待处理数据之前，所述方法还包括：

获取多个模糊图像和多个清晰图像，所述多个模糊图像和所述多个清晰图像一一对应；

将所述多个模糊图像划分为多组训练数据和测试数据集，采用互不相同的多个图像大小压缩比例对所述多组训练数据进行压缩处理，得到训练数据集，每组训练数据包含多帧连续模糊图像；

根据所述训练数据集、所述测试数据集和所述多个清晰图像对未训练的分级注意力网络模型进行训练，得到已训练的分级注意力网络模型。

8.一种数据处理装置，其特征在于，包括：

第一获取模块，用于获取待处理数据，所述待处理数据包括多帧图像，所述多帧图像为采用互不相同的图像大小压缩比例对图像大小相同的多个原始图像进行压缩得到的；

提取模块，用于对所述待处理数据进行去模糊处理、降采样处理和特征提取处理，得到第一特征数据；

融合处理模块，用于对所述第一特征数据进行特征对齐处理和特征融合处理，得到第二特征数据；

重建模块，用于对所述第二特征数据进行特征重建处理和上采样处理，得到重建上采样结果；

叠加处理模块，用于将所述重建上采样结果与所述多帧图像中的参考图像进行叠加处理，得到去压缩模糊图像。

9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。