[发明专利]图像处理方法、装置、电子设备和计算机可读存储介质

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：

获取待处理图像的质量等级；所述质量等级用于表征所述待处理图像的分辨率；

基于所述待处理图像的质量等级，从多个候选分辨率网络中确定所述质量等级对应的目标分辨率网络；

利用所述目标分辨率网络优化所述待处理图像，得到目标图像；所述目标图像的分辨率高于所述待处理图像的分辨率。

2.根据权利要求1所述的图像处理方法，其特征在于，所述获取待处理图像的质量等级，包括：

获取所述待处理图像的特征参数；所述特征参数包括图像亮度、图像模糊程度以及图像纹理中的一项或多项；

将所述特征参数输入支持向量机SVM模型中，生成所述待处理图像的质量等级。

3.根据权利要求2所述的图像处理方法，特征在于，所述SVM模型中包括至少两个二分类模型，所述将所述特征参数输入支持向量机SVM模型中，生成所述待处理图像的质量等级，包括：

将所述特征参数分别输入每个所述二分类模型中，得到每个所述二分类模型的输出结果；

根据各所述二分类模型的输出结果，得到所述待处理图像的质量等级。

4.根据权利要求1-3任一项所述的图像处理方法，其特征在于，所述候选分辨率网络的获取方式，包括：

获取样本集；所述样本集包含多个样本图像以及各所述样本图像的质量等级；

利用所述样本集以及超分辨率算法，训练得到初始超网络；所述初始超网络包含多个子结构；

根据所述样本集，训练各所述子结构，得到各所述子结构对应的子网络；

根据所述子网络确定所述候选分辨率网络。

5.根据权利要求4所述的图像处理方法，其特征在于，所述子结构的获取方式，包括：

基于神经结构搜索NAS策略在所述初始超网络中的每层，选取一个或多个节点；

基于每层选取的一个或多个节点，确定所述子结构。

6.根据权利要求4所述的图像处理方法，其特征在于，所述根据所述样本集，训练各所述子结构，得到各所述子结构对应的子网络，包括：

获取所述初始超网络的网络参数；

在所述网络参数中，确定各所述子结构的初始化参数；

利用所述样本集以及各所述子结构的初始化参数，训练各所述子结构，得到各所述子结构对应的子网络。

7.根据权利要求4所述的图像处理方法，其特征在于，所述根据所述子网络确定所述候选分辨率网络，包括：

获取测试集；所述测试集包括至少一个同一质量等级的测试图像；

利用各所述子网络对各所述测试图像进行优化，得到多个优化后的图像；

获取各所述优化后的图像的分辨率；

根据各所述优化后的图像的分辨率确定所述测试图像的质量等级对应的候选分辨率网络。

8.根据权利要求1-3任一项所述的图像处理方法，其特征在于，所述候选分辨率网络的获取方式，包括：

接收来自服务器的所述候选分辨率网络信息；所述候选分辨率网络信息包括所述候选分辨率网络的网络结构、所述候选分辨率网络的网络参数以及所述候选分辨率网络对应的质量等级；

将所述候选分辨率网络的网络结构以及所述候选分辨率的网络参数获取所述候选分辨率网络，并存储所述候选分辨率网络与所述质量等级的对应关系。

9.一种图像处理装置，其特征在于，包括：

获取模块，用于获取待处理图像的质量等级；所述质量等级用于表征所述待处理图像的分辨率；

处理模块，用于基于所述获取模块获取的所述待处理图像的质量等级，从多个候选分辨率网络中确定所述质量等级对应的目标分辨率网络；

所述处理模块，还用于利用所述目标分辨率网络优化所述待处理图像，得到目标图像；所述目标图像的分辨率高于所述待处理图像的分辨率。