图像处理方法、装置、设备和可读存储介质.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CN111192215A(43)申请公布日2020.05.22(21)申请号201911397199.5(22)申请日2019.12.30(71)申请人百度时代网络技术（北京）有限公司地址100193北京市海淀区东北旺西路8号中关村软件园17号楼二层A2(72)发明人代江范学峰李国洪高菲(74)专利代理机构北京品源专利代理有限公司11332代理人孟金喆(51)Int.Cl.G06T5/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书11页附图5页(54)发明名称图像处理方法、装置、设备和可读存储介质(57)摘要本申请公开了一种图像处理方法、装置、设备和可读存储介质，涉及深度学习技术领域。具体实现方案为：获取待处理图像，通过图像处理模型提取所述待处理图像的原始图像特征，提取所述原始图像特征的深度特征，以及对所述原始图像特征和所述深度特征进行合并，并对合并后的特征进行还原，得到清晰化处理后的图像。本实施例，通过图像处理模型提取所述待处理图像的原始图像特征，得到高精度的浅层特征；通过提取所述原始图像特征的深度特征，得到细节特征；通过对原始图像特征和所述深度特征进行合并，从而融合浅层特征和深度特征，有效去除马赛克、伪影和噪声，提高图像分辨率，能够尽量多地保留图像细节。CN111192215ACN111192215A权利要求书1/2页1.一种图像处理方法，其特征在于，包括：获取待处理图像；通过图像处理模型提取所述待处理图像的原始图像特征，提取所述原始图像特征的深度特征，以及对所述原始图像特征和所述深度特征进行合并，并对合并后的特征进行还原，得到清晰化处理后的图像。2.根据权利要求1所述的方法，其特征在于，所述图像处理模型包括：残差网络；所述通过图像处理模型提取所述原始图像特征的深度特征，包括：通过残差网络提取所述原始图像特征的深度特征。3.根据权利要求2所述的方法，其特征在于，所述图像处理模型还包括：多层级的下采样层和多层级的上采样层；所述残差网络设置于所述下采样层和所述上采样层之间；所述通过所述图像处理模型提取所述待处理图像的原始图像特征，包括：通过所述下采样层逐层提取所述待处理图像的原始图像特征，得到多层原始图像特征；所述通过所述图像处理模型对所述原始图像特征和所述深度特征进行合并，并对合并后的特征进行还原，得到清晰化处理后的图像，包括：通过所述上采样层逐层对对应层级的原始图像特征和所述深度特征进行合并，并对合并后的特征逐层进行还原，得到清晰化处理后的图像。4.根据权利要求3所述的方法，其特征在于，所述下采样层包括依次连接的多个下采样模块，所述上采样层包括依次连接的多个上采样模块，多个所述下采样模块与多个所述上采样模块对称连接；所述通过所述上采样层逐层对对应层级的原始图像特征和所述深度特征进行合并，并对合并后的特征逐层进行还原，得到清晰化处理后的图像，包括：通过起始上采样模块对末尾下采样模块输出的原始图像特征和所述残差网络输出的深度特征进行合并，并对合并后的图像特征进行上采样；通过非起始上采样模块对其连接的下采样模块输出的原始图像特征和前一上采样模块输出的特征进行合并，并对合并后的图像特征进行上采样，得到清晰化处理后的图像。5.根据权利要求1所述的方法，其特征在于，在所述通过图像处理模型提取所述待处理图像的原始图像特征，提取所述原始图像特征的深度特征，以及对所述原始图像特征和所述深度特征进行合并，并对合并后的特征进行还原，得到清晰化处理后的图像之前，还包括：获取多张原图像和对每张原图像施加噪声和/或模糊化的样本图像；采用所述多张原图像和多张样本图像，对所述图像处理模型进行训练。6.根据权利要求5所述的方法，其特征在于，所述对每张原图像施加噪声和模糊化，包括：依次对每张原图像进行放大、施加噪声并缩小到该原图像的尺寸；或者，依次对每张原图像进行缩小、施加噪声并放大到该原图像的尺寸。7.根据权利要求1-6任一项所述的方法，其特征在于，所述待处理图像为动漫图像。8.一种图像处理装置，其特征在于，包括：获取模块，用于获取待处理图像；清晰化模块，用于通过图像处理模型提取所述待处理图像的原始图像特征，提取所述2CN111192215A权利要求书2/2页原始图像特征的深度特征，以及对所述原始图像特征和所述深度特征进行合并，并对合并后的特征进行还原，得到清晰化处理后的图像。9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行