[发明专利]图像的去模糊方法、装置、设备、介质及计算机程序产品

说明书

本申请公开了一种图像的去模糊方法、装置、设备、介质及计算机程序产品，涉及图像处理领域。该方法包括：获取待处理图像，待处理图像是待进行去模糊处理的图像；将待处理图像输入至目标图像处理模型进行清晰度增强处理，得到清晰度增强后的目标图像；其中，目标图像处理模型是通过样本图像对待训练的图像处理模型进行训练得到的，图像处理模型用于对样本图像分别进行清晰度增强处理得到第一预测图像，以及模糊度增强处理得到第二预测图像，目标图像处理模型的模型参数通过对样本图像、第一预测图像和第二预测图像之间的清晰度排序情况和约束排序情况进行对比学习得到。该方法能够提升训练得到的目标图像处理模型的处理效果。

技术领域

本申请涉及图像处理领域，特别涉及一种图像的去模糊方法、装置、设备、介质及计算机程序产品。

背景技术

由于图像采集过程中的不稳定因素，或是图像传输、存储、压缩过程中对图像数据中部分信息的丢失，均可能造成图像存在模糊的问题。

相关技术中，在基于深度学习实现图像的去模糊处理时，通常通过标注有图像清晰度的样本图像输入至模型中，驱动模型学习使得清晰图像变得模糊的模糊核，从而训练得到能够对图像进行去模糊处理的模型。

然而，在上述方案的实现过程中，样本图像的标签往往是通过人工标注得到的，标注的准确度影响了下游训练得到的模型的效果。

发明内容

本申请实施例提供了一种图像的去模糊方法、装置、设备、介质及计算机程序产品，可以提升对图像进行去模糊处理时的处理效果。所述技术方案如下：

一方面，提供了一种图像的去模糊方法，所述方法包括：

获取待处理图像，所述待处理图像是待进行去模糊处理的图像；

将所述待处理图像输入至目标图像处理模型进行清晰度增强处理，得到清晰度增强后的目标图像；

其中，所述目标图像处理模型是通过样本图像对待训练的图像处理模型进行训练得到的，所述图像处理模型用于对所述样本图像分别进行清晰度增强处理得到第一预测图像，以及模糊度增强处理得到第二预测图像，所述目标图像处理模型的模型参数通过对所述样本图像、所述第一预测图像和所述第二预测图像之间的清晰度排序情况和约束排序情况进行对比学习得到。

另一方面，提供了一种图像的去模糊装置，所述装置包括：

获取模块，用于获取待处理图像，所述待处理图像是待进行去模糊处理的图像；

处理模块，用于将所述待处理图像输入至目标图像处理模型进行清晰度增强处理，得到清晰度增强后的目标图像；

其中，所述目标图像处理模型是通过样本图像对待训练的图像处理模型进行训练得到的，所述图像处理模型用于对所述样本图像分别进行清晰度增强处理得到第一预测图像，以及模糊度增强处理得到第二预测图像，所述目标图像处理模型的模型参数通过对所述样本图像、所述第一预测图像和所述第二预测图像之间的清晰度排序情况和约束排序情况进行对比学习得到。

另一方面，提供了一种计算机设备，所述终端包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现本申请实施例中任一所述的图像的去模糊方法。

另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现本申请实施例中任一所述的图像的去模糊方法。

另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中任一所述的图像的去模糊方法。