【技术实现步骤摘要】
图像处理和模型训练方法、装置、电子设备及存储介质
[0001]本申请涉及计算机视觉
,具体而言,涉及一种图像处理和模型训练方法、装置、电子设备及存储介质。
技术介绍
[0002]超分辨率重建是指将给定的低分辨率图像通过特定的处理恢复成相应的高分辨率图像的过程,被广泛应用于各类需要提升视频或图像质量的领域,例如,视频图像处理、医学成像、遥感成像、视频监控等。
[0003]目前通过深度学习算法进行超分辨率重建时,需要使用层数足够深的网络来得到较好的重建效果,因此网络结构通常很复杂,计算量大,影响处理速度。
技术实现思路
[0004]本申请实施例的目的在于提供一种图像处理和模型训练方法、装置、电子设备及存储介质,用以在保证重建效果的同时提高处理速度。
[0005]为了实现上述目的,本申请实施例采用的技术方案如下:
[0006]第一方面,本申请实施例提供了一种图像处理方法,所述方法包括:
[0007]获取待处理图像;
[0008]将所述待处理图像输入图像重建模型,利用所述图像重建模型的特征提取网络对所述待处理图像进行多尺度特征提取及扩展图像通道,得到重建特征图;
[0009]利用所述图像重建模型的子像素卷积层对所述重建特征图进行放大,得到重建图像。
[0010]第二方面,本申请实施例还提供了一种模型训练方法,所述方法包括:
[0011]获取训练样本,所述训练样本包括低分辨率图像和高分辨率图像,所述低分辨率图像是对所述高分辨率图像进行下采样得 ...
【技术保护点】
【技术特征摘要】
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;将所述待处理图像输入图像重建模型,利用所述图像重建模型的特征提取网络对所述待处理图像进行多尺度特征提取及扩展图像通道,得到重建特征图;利用所述图像重建模型的子像素卷积层对所述重建特征图进行放大,得到重建图像。2.如权利要求1所述的方法,其特征在于,所述特征提取网络包括卷积层、多个级联块和多个第一卷积层,多个所述级联块和多个所述第一卷积层交替设置,所述特征提取网络采用全局级联结构;所述利用所述图像重建模型的特征提取网络对所述待处理图像进行多尺度特征提取,得到重建特征图的步骤,包括:将所述待处理图像输入所述卷积层进行卷积处理,得到初始特征图;将所述初始特征图作为第一个所述级联块的输入、以及将第N-1个所述第一卷积层的输出作为第N个所述级联块的输入,利用所述级联块进行多尺度特征提取,输出中间特征图;将所述初始特征图和第N个所述第一卷积层前每个所述级联块输出的所述中间特征图进行通道叠加,并在叠加后输入第N个所述第一卷积层进行卷积处理;将最后一个所述第一卷积层的输出作为所述重建特征图。3.如权利要求2所述的方法,其特征在于,所述级联块的数量为3~5,所述第一卷积层的数量为3~5。4.如权利要求2所述的方法,其特征在于,所述级联块包括多个残差块和多个第二卷积层,多个所述残差块和多个所述第二卷积层交替设置,所述级联块采用局部级联结构;所述利用所述级联块进行多尺度特征提取,输出中间特征图的步骤,包括:将所述级联块的输入作为第一个所述残差块的输入、以及将第N-1个所述第二卷积层的输出作为第N个所述残差块的输入,利用所述残差块学习残差特征,得到残差特征图;将所述级联块的输入和第N个所述第二卷积层前每个所述残差块的输出进行通道叠加,并在叠加后输入第N个所述第二卷积层进行卷积处理;将最后一个所述第二卷积层的输出作为所述中间特征图。5.如权利要求4所述的方法,其特征在于,所述残差块的数量为3~5,所述第二卷积层的数量为3~5。6.如权利要求4所述的方法,其特征在于,所述残差块包括分组卷积层、第三卷积层和第四卷积层,所述分组卷积层采用ReLu激活函数,所述分组卷积层和所述第三卷积层连接形成残差路径,所述残差块采用局部跳跃连接结构;所述利用所述残差块学习残差特征,得到残差特征图的步骤,包括:将所述残差块的输入作为所述分组卷积层的输入,通过所述残差路径提取特征;将所述残差块的输入和所述第三卷积层的输出进行特征融合,并在融合后输入所述第四卷积层进行卷积处理,输出所述残差特征图。7.如权利要求1所述的方法,其特征在于,所述利用所述图像重建模型的子像素卷积层对所述重建特征图进行放大,得到重建图像的步骤,包括:利用所述子像素卷积层调整所述重建特征图中的像素位置,得到所述重建图像。
8.一种模型训练方法,其特征在于,所述方法包括:获取训练样本,所述训练样本包括低分辨率图像和高分辨率图像,所述低分辨率图像是对所述高分辨率图像进行下采样得到的;将所述低分辨率图像输入预先构建的图像重建模型,所述图像重建模型包括特征提取网络和子像素卷积层;利用所述特征提取网络对所述低分辨率图像进行多尺度特征提取及扩展图像通道,得到训练特征图;利用所述子像素卷积层对所述训练特征图进行放大,得到训练重建图像;基于所述训练重建图像、所述高分辨...
【专利技术属性】
技术研发人员:侯剑堃,
申请(专利权)人:广州虎牙科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。