图像处理方法技术

本发明专利技术提供一种图像处理方法。本发明专利技术的图像处理方法中对输入图像进行尺寸调整处理而后进行卷积处理，对生成的第二图像进行多尺度特征提取处理得到特征图像，而后将第二图像与特征图像叠加处理并继续进行卷积处理、尺寸调整处理，生成第五图像，最后将第五图像与输入图像进行叠加处理而后再次进行卷积处理，从而生成输出图像，运算简单，能够降低运算成本，消除输出图像的条纹网格噪声，提升输出图像的图像质量。

Image Processing Method

【技术实现步骤摘要】
图像处理方法
本专利技术涉及显示
，尤其涉及一种图像处理方法。
技术介绍
随着科技的发展，人们对电视的要求越来越高，更轻便、更清晰、更鲜艳成为了电视的发展方向和目标。除了在硬件上提高电视分辨率，增加动态范围和色域范围等方式，电视机中的图像处理引擎，能够指挥和协调电视机各项功能对图像信号逐个优化，从而可在已有硬件的基础上给用户带来更好的画质。而图像色彩引擎重点关注显示画面的色彩，它包括色域映射、色彩增强、高动态范围显示(HDR)等多个处理算法。传统的色彩引擎由多个算法组合而成，每个算法实现不同的功能，例如色域映射解决不同显示端色域差异的校正问题，色彩增强关注图像色彩的饱和度和对比度等，HDR重点关注对比度和细节等。许多深度学习架构已被应用于图像的端对端处理和转换领域，并产生了优秀的效果，例如超高分辨率，去噪声和图像风格转换等。然而，大多数深度学习框架都需要较大的计算成本，这对于算法的硬件化实现是致命的问题。现有技术中，存在一种基于膨胀卷积神经网络的快速图像处理技术(FastImageProcessingWithFully-convolutionalNetwork)。该技术此技术通过对原始图像进行处理生成像素级别的特征图，以保存图像的细节，从而提升图像的品质。此种技术利用膨胀卷积的特性，在扩大神经网络视野域的同时，保持了较少的运算次数，在像素级别中的图像处理中大大地降低了计算成本，然而膨胀卷积会使得最终得到的输出图像产生条纹网格噪声，降低了图像的品质。
技术实现思路
本专利技术的目的在于提供一种图像处理方法，运算简单，能够消除输出图像的条纹网格噪声，提升输出图像的图像质量。为实现上述目的，本专利技术提供一种图像处理方法，包括如下步骤：步骤S1、提供输入图像；步骤S2、对输入图像进行尺寸调整处理，生成第一图像；第一图像的长度及宽度均为预设的参考尺寸，深度等于输入图像的深度；步骤S3、对第一图像进行卷积处理，生成第二图像；第二图像的长度及宽度均为参考尺寸，深度大于第一图像的深度；步骤S4、对第二图像进行多尺度特征提取处理，得到特征图像；所述特征图像的长度及宽度均为参考尺寸，所述特征图像具有深度；步骤S5、对第二图像及特征图像进行叠加处理，生成第三图像；第三图像的长度及宽度均为参考尺寸，深度为第二图像与特征图像的深度之和；步骤S6、对第三图像进行卷积处理，生成第四图像；第四图像的长度及宽度均为参考尺寸，深度小于第三图像的深度；步骤S7、对第四图像进行尺寸调整处理，生成第五图像；第五图像的长度及宽度分别等于输入图像的长度及宽度，深度等于第四图像的深度；步骤S8、对第五图像及输入图像进行叠加处理，生成第六图像；第六图像的长度及宽度分别等于输入图像的长度及宽度，深度为第五图像与输入图像的深度之和；步骤S9、对第六图像进行卷积处理，生成输出图像；输出图像的长度、宽度及深度分别与输入图像的长度、宽度及深度相同。所述步骤S4具体包括：步骤S41、分别对第二图像进行多次卷积处理，分别得到多个初始子特征图像，多个初始子特征图像的深度均等于第二图像的深度，每一子特征图像的长度及宽度相等，任意两个子特征图像的长度不同，多个初始子特征图像中的一个的长度及宽度等于参考尺寸；步骤S42、分别利用除了长度及宽度等于参考尺寸的初始子特征图像外的其他初始子特征图像生成多个放大子特征图像；每一放大子特征图像的长度及宽度均为参考尺寸，深度均等于第二图像的深度；步骤S43、对长度及宽度等于参考尺寸的初始子特征图像以及多个放大子特征图像进行叠加处理，生成待转换图像；所述待转换图像的长度及宽度均等于参考尺寸，深度为长度及宽度等于参考尺寸的初始子特征图像的深度以及多个放大子特征图像的深度之和；步骤S44、对待转换图像进行卷积处理，得到特征图像。所述步骤S41中分别对第二图像进行四次卷积处理，分别得到第一初始子特征图像、第二初始子特征图像、第三初始子特征图像及第四初始子特征图像，第一初始子特征图像的长度及宽度为参考尺寸的八分之一，第二初始子特征图像的长度及宽度为参考尺寸的四分之一，第三初始子特征图像的长度及宽度为参考尺寸的二分之一，第四初始子特征图像的长度及宽度为参考尺寸；所述步骤S42中分别利用第一初始子特征图像、第二初始子特征图像、第三初始子特征图像生成第一放大子特征图像、第二放大子特征图像、第三放大子特征图像；所述步骤S43中对第一放大子特征图像、第二放大子特征图像、第三放大子特征图像及第四初始子特征图像进行叠加处理，生成待转换图像。所述参考尺寸为200像素。所述步骤S41中，对第二图像进行卷积处理得到第一初始子特征图像的具体过程为：对第二图像依次进行三次步长为2的卷积处理，得到第一初始子特征图像；所述步骤S41中，对第二图像进行卷积处理得到第二初始子特征图像的具体过程为：对第二图像依次进行两次步长为2的卷积处理，得到第二初始子特征图像；所述步骤S41中，对第二图像进行卷积处理得到第三初始子特征图像的具体过程为：对第二图像进行一次步长为2的卷积处理，得到第三初始子特征图像；所述步骤S41中，对第二图像进行卷积处理得到第四初始子特征图像的具体过程为：对第二图像进行一次步长为1的卷积处理，得到第四初始子特征图像。所述第一初始子特征图像的长度及宽度为25像素，第二初始子特征图像的长度及宽度为50像素，第三初始子特征图像的长度及宽度为100像素，第四初始子特征图像的长度及宽度为200像素。所述步骤S42中，利用第一初始子特征图像生成第一放大子特征图像的过程为：对第一初始子特征图像依次进行一次卷积核为预设的第一卷积核的卷积处理及一次卷积核为预设的第二卷积核的卷积处理而后进行尺寸调整处理，得到第一放大子特征图像；所述步骤S42中，利用第二初始子特征图像生成第二放大子特征图像的过程为：对第二初始子特征图像依次进行一次卷积核为预设的第三卷积核的卷积处理、一次卷积核为预设的第四卷积核的卷积处理、一次卷积核为第三卷积核的卷积处理、一次卷积核第四卷积核的卷积处理而后进行尺寸调整处理，得到第二放大子特征图像；所述步骤S42中，利用第三初始子特征图像生成第三放大子特征图像的过程为：对第三初始子特征图像进行尺寸调整处理，得到第三放大子特征图像。第一卷积核的长度为1，宽度为9；第二卷积核的长度为9，宽度为1；第三卷积核的长度为1像素，宽度为7像素；第三卷积核的长度为7像素，宽度为1像素。所述步骤S44中对待转换图像进行卷积核为预设的第五卷积核的卷积处理，得到特征图像；所述第五卷积核的长度及宽度均为1像素。所述步骤S9中对第六图像依次进行两次卷积处理从而生成输出图像。本专利技术的有益效果：本专利技术的图像处理方法中对输入图像进行尺寸调整处理而后进行卷积处理，对生成的第二图像进行多尺度特征提取处理得到特征图像，而后将第二图像与特征图像叠加处理并继续进行卷积处理、尺寸调整处理，生成第五图像，最后将第五图像与输入图像进行叠加处理而后再次进行卷积处理，从而生成输出图像，运算简单，能够降低运算成本，消除输出图像的条纹网格噪声，提升输出图像的图像质量。附图说明为了能更进一步了解本专利技术的特征以及
技术实现思路
，请参阅以下有关本专利技术的详细说明与附图，然而附图仅提供参考与说明用，并非用来对本专利技术加以限制。附图本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括如下步骤：步骤S1、提供输入图像；步骤S2、对输入图像进行尺寸调整处理，生成第一图像；第一图像的长度及宽度均为预设的参考尺寸，深度等于输入图像的深度；步骤S3、对第一图像进行卷积处理，生成第二图像；第二图像的长度及宽度均为参考尺寸，深度大于第一图像的深度；步骤S4、对第二图像进行多尺度特征提取处理，得到特征图像；所述特征图像的长度及宽度均为参考尺寸，所述特征图像具有深度；步骤S5、对第二图像及特征图像进行叠加处理，生成第三图像；第三图像的长度及宽度均为参考尺寸，深度为第二图像与特征图像的深度之和；步骤S6、对第三图像进行卷积处理，生成第四图像；第四图像的长度及宽度均为参考尺寸，深度小于第三图像的深度；步骤S7、对第四图像进行尺寸调整处理，生成第五图像；第五图像的长度及宽度分别等于输入图像的长度及宽度，深度等于第四图像的深度；步骤S8、对第五图像及输入图像进行叠加处理，生成第六图像；第六图像的长度及宽度分别等于输入图像的长度及宽度，深度为第五图像与输入图像的深度之和；步骤S9、对第六图像进行卷积处理，生成输出图像；输出图像的长度、宽度及深度分别与输入图像的长度、宽度及深度相同。...

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括如下步骤：步骤S1、提供输入图像；步骤S2、对输入图像进行尺寸调整处理，生成第一图像；第一图像的长度及宽度均为预设的参考尺寸，深度等于输入图像的深度；步骤S3、对第一图像进行卷积处理，生成第二图像；第二图像的长度及宽度均为参考尺寸，深度大于第一图像的深度；步骤S4、对第二图像进行多尺度特征提取处理，得到特征图像；所述特征图像的长度及宽度均为参考尺寸，所述特征图像具有深度；步骤S5、对第二图像及特征图像进行叠加处理，生成第三图像；第三图像的长度及宽度均为参考尺寸，深度为第二图像与特征图像的深度之和；步骤S6、对第三图像进行卷积处理，生成第四图像；第四图像的长度及宽度均为参考尺寸，深度小于第三图像的深度；步骤S7、对第四图像进行尺寸调整处理，生成第五图像；第五图像的长度及宽度分别等于输入图像的长度及宽度，深度等于第四图像的深度；步骤S8、对第五图像及输入图像进行叠加处理，生成第六图像；第六图像的长度及宽度分别等于输入图像的长度及宽度，深度为第五图像与输入图像的深度之和；步骤S9、对第六图像进行卷积处理，生成输出图像；输出图像的长度、宽度及深度分别与输入图像的长度、宽度及深度相同。2.如权利要求1所述的图像处理方法，其特征在于，所述步骤S4具体包括：步骤S41、分别对第二图像进行多次卷积处理，分别得到多个初始子特征图像，多个初始子特征图像的深度均等于第二图像的深度，每一子特征图像的长度及宽度相等，任意两个子特征图像的长度不同，多个初始子特征图像中的一个的长度及宽度等于参考尺寸；步骤S42、分别利用除了长度及宽度等于参考尺寸的初始子特征图像外的其他初始子特征图像生成多个放大子特征图像；每一放大子特征图像的长度及宽度均为参考尺寸，深度均等于第二图像的深度；步骤S43、对长度及宽度等于参考尺寸的初始子特征图像以及多个放大子特征图像进行叠加处理，生成待转换图像；所述待转换图像的长度及宽度均等于参考尺寸，深度为长度及宽度等于参考尺寸的初始子特征图像的深度以及多个放大子特征图像的深度之和；步骤S44、对待转换图像进行卷积处理，得到特征图像。3.如权利要求2所述的图像处理方法，其特征在于，所述步骤S41中分别对第二图像进行四次卷积处理，分别得到第一初始子特征图像、第二初始子特征图像、第三初始子特征图像及第四初始子特征图像，第一初始子特征图像的长度及宽度为参考尺寸的八分之一，第二初始子特征图像的长度及宽度为参考尺寸的四分之一，第三初始子特征图像的长度及宽度为参考尺寸的二分之一，第四初始子特征图像的长度及宽度为参考尺寸；所述步骤S42中分别利用第一初始子特征图像、第二初始子特征图像、第三初始子特征图像生成第一放大...

【专利技术属性】
技术研发人员：董哲炜，
申请(专利权)人：深圳市华星光电技术有限公司，
类型：发明
国别省市：广东,44