[发明专利]模型训练方法、图像边缘增强方法、装置、介质和终端

权利要求书

1.一种图像边缘增强模型训练方法，其特征在于，包括：

对第一分辨率的原始图像样本进行降采样处理，得到具有第二分辨率的参考图像样本，其中，第二分辨率小于所述第一分辨率；

对所述第二分辨率的参考图像样本进行插值，得到具有所述第一分辨率的渲染图像样本；

向待训练的卷积神经网络模型输入所述渲染图像样本；

利用所述卷积神经网络模型的空洞卷积金字塔采样模块和残差模块对所述渲染图像样本进行特征提取，得到渲染特征；

利用所述卷积神经网络模型的通道加权融合模块对所述渲染特征进行增强，得到增强图像；

利用损失函数计算所述原始图像样本与所述增强图像之间的损失值；

根据所述损失值调整所述卷积神经网络模型中的参数；

生成包括调整后的所述卷积神经网络模型参数的图像边缘增强模型。

2.根据权利要求1所述的训练方法，其特征在于，利用所述卷积神经网络模型的空洞卷积金字塔采样模块和残差模块对所述渲染图像样本进行特征提取，得到渲染特征，包括：

利用所述空洞卷积金字塔采样模块中的不同空洞率的空洞卷积从所述渲染图像样本中提取待插值点不同尺度的领域特征，对所述领域特征进行加权融合，以获得初始渲染特征图；

利用所述残差模块中的常规卷积将所述初始渲染特征图的通道维度升高，对通道维度升高之后的所述初始渲染特征图进行可分离卷积处理并恢复所述所述初始渲染特征图的通道维度以得到所述渲染特征。

3.根据权利要求1或2所述的训练方法，其特征在于，所述利用所述卷积神经网络模型的通道加权融合模块对所述渲染特征进行增强，得到增强图像，包括：

根据通道注意力机制，确定所述渲染特征的注意力权重，根据所述注意力权重对所述渲染特征在通道方向上加权并进行通道融合，得到所述增强图像。

4.根据权利要求1或2所述的训练方法，其特征在于，在预设采样倍率内调整所述降采样处理的采样倍率。

5.根据权利要求1至4任一项所述的训练方法，其特征在于，所述生成包括调整后的网络模型参数的图像边缘增强模型，包括：

当所述待训练的卷积神经网络模型的迭代次数达到设定数值时或所述损失函数的损失值达到目标值时，生成包括调整后的网络模型参数的图像边缘增强模型。

6.一种图像边缘增强方法，应用于权利要求1至5任一项所述的图像边缘增强模型，其特征在于，包括：

获取第三分辨率的待处理图像，所述待处理图像为经过插值处理之后的图像；

对所述待处理图像进行降维处理，得到具有第四分辨率的拼接图像；

将所述拼接图像输入至所述图像边缘增强模型；

利用所述图像边缘增强模型对所述拼接图像的边缘进行图像增强，输出增强后的拼接图像；

将沿图像通道方向按顺序输出的增强后的拼接图像在空间上拼接，得到边缘增强图像。

7.根据权利要求6所述的方法，其特征在于，对所述待处理图像进行降维处理，得到第四分辨率的拼接图像，包括：

将所述待处理图像等面积分割成N个子图像，N为正整数；

对N个所述子图像进行排序，并根据N个所述子图像的排列顺序将所述N个子图像按照图像通道方向拼接，得到具有所述第四分辨率的拼接图像。