本发明专利技术涉及图像处理技术领域,尤其涉及一种图像高清化处理方法和装置、电子设备。其中,图像高清化处理方法包括:获取待处理的原始图像后,将待处理的原始图像输入到预先训练好的图像处理模型中,图像处理模型用于对输入的待处理图像进行去噪、修复和分辨率放大处理,得到高清化的目标图像。本发明专利技术的方法和现有的人工手动处理方法相比,对原始图像的处理效率更高,且处理成本更低。且处理成本更低。且处理成本更低。
【技术实现步骤摘要】
图像高清化处理方法和装置、电子设备
[0001]本专利技术涉及图像处理
,尤其涉及一种图像高清化处理方法和装置、电子设备。
技术介绍
[0002]随着计算机信息技术的不断发展,我国的互联网信息技术也走过了四个阶段。从信息建立与传输阶段,到信息应用与网民崛起,再到社交与移动崛起,目前来到了应用与概念并行,智能化兴起阶段。大数据、人工智能、物联网等技术开始扮演越来越重要的角色,与实体经济的不断融合催生出目前的产业发展方向。
[0003]随时人工智能技术的发展,对图像处理技术也是一个重要的促进,例如对档案的处理也逐步从数字化向智能化迈进,以克服扫描档案中存在的诸多复杂的情况。例如,档案在扫描的过程中会遇到各式各样的档案,存在纸张发黄,污损的情况,扫描得到的原始图片中包含噪声、污迹、杂线、纸张背面透过的干扰内容等无用信息。另外,文档有用信息也存在不同程度的字符、线框等有用细节信息缺失现象。这些存在的问题给生成电子化的高清档案造成了很大的阻碍。在现有的基于人工处理的档案数字化的过程中,需要花费大量的人力成本进行手工高清化处理,并且图像处理的效率较低。
技术实现思路
[0004]本专利技术提供一种图像高清化处理方法和装置、电子设备,用以解决现有技术中通过人工手动对图像处理时人工成本高、效率低的技术问题。
[0005]一方面,本专利技术提供一种图像高清化处理方法,包括:
[0006]获取待处理的原始图像;
[0007]将所述待处理的原始图像输入到预先训练好的图像处理模型中,所述图像处理模型用于对输入的待处理图像进行去噪、修复和分辨率放大处理,得到高清化的目标图像。
[0008]根据本专利技术提供的一种图像高清化处理方法,所述图像处理模型包括浅层特征抽取网络和双层密集残差模块组;
[0009]所述浅层特征抽取网络用于对输入的原始图像进行浅层特征提取,获取所述原始图像从浅层到深层的语义信息,同时增加所述原始图像的特征通道数,以得到所述原始图像的第一融合特征图;
[0010]所述双层密集残差模块组用于对所述融合特征图进行融合特征提取,获取所述原始图像深层的多尺度多通道的融合语义信息,以得到包括所述融合语义信息的第二融合特征图。
[0011]根据本专利技术提供的一种图像高清化处理方法,所述图像处理模型还包括上采样网络;
[0012]所述上采样网络用于对所述第二融合特征图进行分辨率放大处理,得到所述目标图像。
[0013]根据本专利技术提供的一种图像高清化处理方法,所述对所述第二融合特征图分辨率放大处理,得到所述目标图像包括:
[0014]采用最近值插值法对所述第二融合特征图进行差值处理,并采用卷积层和LeakyReLU激活函数对差值处理后的第二融合特征图进行处理,以放大所述第二融合特征图的分辨率;
[0015]根据本专利技术提供的一种图像高清化处理方法,所述双层密集残差模块组包括多个依次级联的双层密集残差模块;每个双层密集残差模块包括多个密集残差模块和一个残差边;所述每个密集残差模块包括多个卷积层和多个LeakyReLU层。
[0016]根据本专利技术提供的一种图像高清化处理方法,所述图像处理模型通过以下方法训练获取:
[0017]获取多张原始图像;
[0018]对所述多张原始图像分别进行模糊化、缩放、添加噪音和图像分辨率压缩处理,得到低分辨率图像;所述低分辨率作为用于训练所述图像处理模型的输入数据;
[0019]对所述多张原始图像进行去噪、修复和分辨率放大处理得到标注后的高分辨率图像,所述高分辨率图像作为用于训练所述图像处理模型的输出数据;
[0020]采用所述输入数据和输出数据对所述图像处理模型进行训练,直到所述图像处理模型的性能满足预设要求,以得到所述训练好的图像处理模型。
[0021]根据本专利技术提供的一种图像高清化处理方法,所述对输入的待处理图像进行去噪和修复处理包括以下处理方式中的一种或多种:
[0022]去除所述原始图像中的噪声;
[0023]去除所述原始图像中的污迹;
[0024]去除所述原始图像中的杂线;
[0025]去除所述原始图像中纸张背面透过的干扰内容;
[0026]恢复和/或补全所述原始图像中缺失字符;
[0027]恢复和/或补全所述原始图像中缺失的线框;
[0028]加深所述原始图像中字符的笔画;
[0029]加粗所述原始图像中字符的颜色;
[0030]修改所述原始图像的背景颜色。
[0031]另一方面,本专利技术还提供一种图像高清化处理装置,包括:
[0032]图像获取模块,用于获取待处理的原始图像;
[0033]图像处理模块,用于将所述待处理的原始图像输入到预先训练好的图像处理模型中,所述图像处理模型用于对输入的待处理图像进行去噪、修复和分辨率放大处理,得到高清化的目标图像。
[0034]本专利技术还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一项所述图像高清化处理方法。
[0035]一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述图像高清化处理方法。
[0036]依据本专利技术提供的图像高清化处理方法,获取待处理的原始图像后,将待处理的
原始图像输入到预先训练好的图像处理模型中,图像处理模型用于对输入的待处理图像进行去噪、修复和分辨率放大处理,得到高清化的目标图像。本专利技术的方法和现有的人工手动处理方法相比,对原始图像的处理效率更高,且处理成本更低。
附图说明
[0037]为了更清楚地说明本专利技术或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0038]图1是本专利技术提供的图像高清化处理方法流程图;
[0039]图2是本专利技术提供的图像处理模型总体结构示意图;
[0040]图3是本专利技术提供的图像处理模型训练方法流程图;
[0041]图4是本专利技术提供的图像处理模型的具体结构示意图;
[0042]图5是本专利技术提供的双层密集残差模块的具体结构示意图;
[0043]图6是本专利技术提供的图像高清化处理装置结构示意图;
[0044]图7是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0045]为使本专利技术的目的、技术方案和优点更加清楚,下面将结合本专利技术中的附图,对本专利技术中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。
[0046]本专利技术提供一种图像高清化处理方法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像高清化处理方法,其特征在于,包括:获取待处理的原始图像;将所述待处理的原始图像输入到预先训练好的图像处理模型中,所述图像处理模型用于对输入的待处理图像进行去噪、修复和分辨率放大处理,得到高清化的目标图像。2.根据权利要求1所述的图像高清化处理方法,其特征在于,所述图像处理模型包括浅层特征抽取网络和双层密集残差模块组;所述浅层特征抽取网络用于对输入的原始图像进行浅层特征提取,获取所述原始图像从浅层到深层的语义信息,同时增加所述原始图像的特征通道数,以得到所述原始图像的第一融合特征图;所述双层密集残差模块组用于对所述融合特征图进行融合特征提取,获取所述原始图像深层的多尺度多通道的融合语义信息,以得到包括所述融合语义信息的第二融合特征图。3.根据权利要求2所述的图像高清化处理方法,其特征在于,所述图像处理模型还包括上采样网络;所述上采样网络用于对所述第二融合特征图进行分辨率放大处理,得到所述目标图像。4.根据权利要求3所述的图像高清化处理方法,其特征在于,所述对所述第二融合特征图进行分辨率放大处理,得到所述目标图像包括:采用最近值插值法对所述第二融合特征图进行差值处理,并采用卷积层和LeakyReLU激活函数对差值处理后的第二融合特征图进行处理,以放大所述第二融合特征图的分辨率。5.根据权利要求2所述的图像高清化处理方法,其特征在于,所述双层密集残差模块组包括多个依次级联的双层密集残差模块;每个双层密集残差模块包括多个密集残差模块和一个残差边;所述每个密集残差模块包括多个卷积层和多个LeakyReLU层。6.根据权利要求1所述的图像高清化处理方法,其特征在于,所述图像处理模型通过以下方法训练获...
【专利技术属性】
技术研发人员:郭鑫,刘子强,翟昶,
申请(专利权)人:北京航星永志科技有限公司,
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。