[发明专利]一种图像超分辨率处理方法、装置及设备

权利要求书

1.一种图像超分辨率处理方法，其特征在于，包括：

获取待处理图像；

通过目标神经网络模型对所述待处理图像进行超分辨率处理，所述目标神经网络模型通过目标图像样本集迭代训练SISR网络模型得到，所述目标图像样本包括含有四维信息的光场图像样本。

2.根据权利要求1所述的方法，其特征在于，通过目标图像样本集迭代训练SISR网络模型包括：

建立SISR网络模型；

根据所述光场图像样本确定K张子视图样本，其中，K为大于1或者等于1的正整数；

将所述K张子视图样本分别输入所述SISR网络模型，得到K张第一预测图像；

根据所述K张第一预测图像确定预测光场图像；

根据所述预测光场图像和所述光场图像样本形成的目标函数训练所述SISR网络模型的参数，其中，所述目标函数包括：内容与损失函数；

返回执行将所述K张子视图样本输入所述SISR网络模型，得到预测图像的操作，直至得到目标神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述内容与损失函数为：

其中，为内容与损失函数，a为结构相似性损失函数SSIM损失所占的比例，为第一光场图像样本，为预测光场图像，l_k为光场图像样本对应的第k个子视图，为上采样矩阵。

4.根据权利要求2所述的方法，其特征在于，所述目标函数还包括：方差图损失函数和视差图损失函数中至少一种。

5.根据权利要求4所述的方法，其特征在于，根据所述预测光场图像和所述光场图像样本形成的目标函数训练所述SISR网络模型的参数包括：

获取所述光场图像样本对应的第一超级像素和所述第一超级像素中的子像素；

获取所述预测光场图像对应的第二超级像素和所述第二超级像素中的子像素；

根据所述第一超级像素、所述第一超级像素中的子像素、第二超级像素和所述第二超级像素中的子像素形成的方差图损失函数训练所述SISR网络模型的参数；

其中，所述方差图损失函数为：

其中，为预测光场图像方差图，为光场图像样本方差图。

6.根据权利要求4所述的方法，其特征在于，根据所述预测光场图像和所述光场图像样本形成的目标函数训练所述SISR网络模型的参数包括：

获取所述预测光场图像对应的视差图；

根据所述预测光场图像对应的视差图和所述光场图像样本对应的视差图形成的视差图损失函数训练所述SISR网络模型的参数。

7.根据权利要求1所述的方法，其特征在于，所述目标图像样本还包括：二维图像样本。

8.一种图像超分辨率处理装置，其特征在于，包括：

获取模块，用于获取待处理图像；

处理模块，用于通过目标神经网络模型对所述待处理图像进行超分辨率处理，所述目标神经网络模型通过目标图像样本集迭代训练SISR网络模型得到，所述目标图像样本包括含有四维信息的光场图像样本。

9.根据权利要求8所述的装置，其特征在于，所述处理模块具体用于：

建立SISR网络模型；

根据所述光场图像样本确定K张子视图样本，其中，K为大于1或者等于1的正整数；

将所述K张子视图样本分别输入所述SISR网络模型，得到K张第一预测图像；

根据所述K张第一预测图像确定预测光场图像；

根据所述预测光场图像和所述光场图像样本形成的目标函数训练所述SISR网络模型的参数，其中，所述目标函数包括：内容与损失函数；

返回执行将所述K张子视图样本输入所述SISR网络模型，得到预测图像的操作，直至得到目标神经网络模型。

10.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述处理器实现如权利要求1-7中任一所述的方法。