图片处理方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113610725A(43)申请公布日2021.11.05(21)申请号202110897061.2(22)申请日2021.08.05(71)申请人深圳市慧鲤科技有限公司地址518000广东省深圳市前海深港合作区前湾一路1号A栋201室(入驻深圳市前海商务秘书有限公司)(72)发明人许泳哲赵昱植杨定东严琼(74)专利代理机构广州三环专利商标代理有限公司44202代理人熊永强董文俊(51)Int.Cl.G06T5/00(2006.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书3页说明书20页附图8页(54)发明名称图片处理方法、装置、电子设备及存储介质(57)摘要本公开涉及图片处理方法、装置、电子设备及存储介质，在本公开实施例中，在将预设长曝图片和预设短曝图片输入图片去模糊网络前，为了获得更大的感受野，保证去模糊的效果，利用下采样处理。同时图片去模糊网络结果可以作为第二个图片去噪网络的引导图，保证第二个网络只需要专注提升图片细节并去除一些残留噪声即可，最终获取满足模糊要求噪声要求的目标图片，如此，在提高操作方便程度的同时，还更加提升了输出逇目标图片的质量，即缓解运动模糊，同时增加去燥效果。CN113610725ACN113610725A权利要求书1/3页1.一种图片处理方法，其特征在于，所述方法包括：获取第一尺寸的预设长曝图片和所述第一尺寸的预设短曝图片；对所述预设长曝图片和所述预设短曝图片进行下采样处理，得到待处理长曝图片和待处理短曝图片；对所述待处理长曝图片和所述待处理短曝图片进行去模糊处理，得到过渡图片；对所述过渡图片进行上采样处理，得到所述第一尺寸的待处理过渡图片；对所述预设长曝图片、所述预设短曝图片和所述待处理过渡图片进行去噪处理，得到目标图片。2.根据权利要求1所述的图片处理方法，其特征在于，所述图片处理方法是通过深度学习模型实现的，所述深度学习模型包括图片去模糊网络和图片去噪网络；所述图片去模糊网络包括第一全连接层，第一下采样层，第一卷积层，第一上采样层和第一残差模块，其中，所述第一残差模块用于进行信息提取和转换；所述图片去噪网络包括第二全连接层，第二卷积层，第二残差模块，第二上采样层，第二下采样层和短路连接模块，其中，所述第二残差模块用于进行信息提取和转换，所述短路连接模块用于增强信息。3.根据权利要求2所述的图片处理方法，其特征在于，所述对所述待处理长曝图片和所述待处理短曝图片进行去模糊处理，得到过渡图片，包括：基于所述图片去模糊网络对所述待处理长曝图片和所述待处理短曝图片进行去模糊处理和信息融合处理，得到过渡图片；所述对所述预设长曝图片、所述预设短曝图片和所述待处理过渡图片进行去噪处理，得到目标图片，包括：基于所述图片去噪网络对所述预设长曝图片、所述预设短曝图片和所述待处理过渡图片进行去噪处理和细节增强处理，得到目标图片。4.根据权利要求1‑3任一所述的图片处理方法，其特征在于，所述获取第一尺寸的预设长曝图片和所述第一尺寸的预设短曝图片之前，所述方法还包括：获取第一样本图片集，其中，所述第一样本图片集是由视频帧数据通过数据仿真合成得到的；基于所述第一样本图片集，对预设的当前第一机器学习模型进行训练，获得所述图片去模糊网络；获取第二样本图片集，所述第二样本图片集包括所述第一样本图片集和去模糊图片集合；其中，所述去模糊图片集合中的去模糊图片和所述第一样本图片集中的样本图片对一一对应；所述去模糊图片集合是在训练所述图片去模糊网络过程中得到的；基于所述第二样本图片集，对预设的第二机器学习模型进行训练，获得所述图片去噪网络。5.根据权利要求4所述的图片处理方法，其特征在于，所述获取第一样本图片集，包括：获取高清无噪声的视频帧数据，对所述视频帧数据进行颜色退化处理和噪声增加模拟处理，获得第一部分图片集；对所述第一部分图片集中的图片进行模糊度差异值处理，获得第二部分图片集；根据所述第一部分图片集和所述第二部分图片集，生成所述第一样本图片集。6.根据权利要求5所述的图片处理方法，其特征在于，所述获取高清无噪声的视频帧数据，对所述视频帧数据进行颜色退化处理和噪声增加模拟处理，获得第一部分图片集，包2CN113610725A权利要求书2/3页括：获取高清无噪声的视频帧数据；基于采集到的所述视频帧数据中的连续N帧图片确定第一样本长曝图片；基于采集到的所述视频帧数据中的第L帧图片确定第一样本短曝图片；所述第L帧图片位于所述N帧图片之后，且和所述N帧图片中最后一帧图片之间相隔M帧图片；所述N、所述M和所述L为正整数；对所述第一样本短曝图片进行颜色退化处理，得到第二样本短曝图片；对所述第一样本长曝图片进行噪声增加模拟，得到