CN110288530A - 一种对图像进行超分辨率重建的处理方法及装置 - Google Patents
一种对图像进行超分辨率重建的处理方法及装置 Download PDFInfo
- Publication number
- CN110288530A CN110288530A CN201910578592.8A CN201910578592A CN110288530A CN 110288530 A CN110288530 A CN 110288530A CN 201910578592 A CN201910578592 A CN 201910578592A CN 110288530 A CN110288530 A CN 110288530A
- Authority
- CN
- China
- Prior art keywords
- image
- super
- resolution rebuilding
- resolution
- processed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 118
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 19
- 241001465754 Metazoa Species 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 14
- 238000003709 image segmentation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000005192 partition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种对图像进行超分辨率重建的处理方法及装置，包括：获取待处理图像；对待处理图像进行图像分割处理，得到目标区域和背景区域；其中，目标区域为待处理图像中的目标所在的区域，背景区域为待处理图像中除目标区域之外的区域；基于目标区域和背景区域生成分割蒙版；对待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像；对待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像；根据分割蒙版、第一超分辨率重建图像和第二超分辨率重建图像，得到待处理图像的超分辨率重建图像。应用本方案，可以提高得到的高分辨率图像的视觉效果。
Description
技术领域
本发明涉及计算机应用技术领域，特别是涉及一种对图像进行超分辨率重建的处理方法及装置。
背景技术
在对图像进行处理时，有时需要对图像的目标区域和背景区域采用不同的处理方式，比如，在对图像进行超分辨率处理时，对于图像中的人脸或动物毛发等目标区域而言，需要保留这些目标区域的图像细节，而对于图像中的背景区域而言，则需要进行噪声修复，以减少背景区域中的马赛克和毛刺。
相关技术中，对低分辨率的图像进行超分辨率重建处理的方式通常为：首先，把低分辨率图像配准到要计算的高分辨率图像的格点上，然后，利用插值算法对低分辨率图像进行插值，从而得到对应的高分辨率图像每一像素点的值，生成对应的高分辨率图像。
但是，上述超分辨率重建处理方式，在对低分辨率的图像进行插值时，会导致视觉效果变差，产生马赛克，影响高分辨率图像的视觉效果；如果进一步对高分辨率图像中的马赛克和毛刺等噪声进行修复，又可能会丢失图像细节，也会影响高分辨率图像的视觉效果。
发明内容
本发明实施例的目的在于提供一种对图像进行超分辨率重建的处理方法及装置，以通过超分辨率重建处理得到的高分辨率图像的视觉效果。具体技术方案如下：
本发明实施例提供了一种对图像进行超分辨率重建的处理方法，包括：
获取待处理图像；
对所述待处理图像进行图像分割处理，得到目标区域和背景区域；其中，所述目标区域为所述待处理图像中的目标所在的区域，所述背景区域为所述待处理图像中除所述目标区域之外的区域；
基于所述目标区域和所述背景区域生成分割蒙版；其中，所述分割蒙版包括掩盖区域和未掩盖区域，所述掩盖区域对应所述背景区域，所述未掩盖区域对应所述目标区域；
对所述待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像；对所述待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像；
根据所述分割蒙版、所述第一超分辨率重建图像和所述第二超分辨率重建图像，得到所述待处理图像的超分辨率重建图像。
可选的，所述根据所述分割蒙版、所述第一超分辨率重建图像和所述第二超分辨率重建图像，得到所述待处理图像的超分辨率重建图像，包括：
根据所述分割蒙版从所述第一超分辨率重建图像中选取与所述目标区域对应的像素值作为目标区域超分辨率重建图像；
根据所述分割蒙版从所述第二超分辨率重建图像中选取与所述背景区域对应的像素值作为背景区域超分辨率重建图像；
将所述目标区域超分辨率重建图像和所述背景区域超分辨率重建图像进行合并，得到所述待处理图像的超分辨率重建图像。
可选的，所述基于所述目标区域和所述背景区域生成分割蒙版，包括：
将所述目标区域作为所述分割蒙版的未掩盖区域，将所述背景区域作为所述分割蒙版的掩盖区域。
可选的，所述根据所述分割蒙版从所述第一超分辨率重建图像中选取与所述目标区域对应的像素值作为目标区域超分辨率重建图像，包括：
从所述第一超分辨率重建图像中选取与所述未掩盖区域对应的像素值作为所述目标区域超分辨率重建图像；
所述根据所述分割蒙版从所述第二超分辨率重建图像中选取与所述背景区域对应的像素值作为背景区域超分辨率重建图像，包括：
从所述第二超分辨率重建图像中选取与所述掩盖区域对应的像素值作为所述背景区域超分辨率重建图像。
可选的，所述根据所述分割蒙版从所述第一超分辨率重建图像中选取与所述目标区域对应的像素值作为目标区域超分辨率重建图像，包括：
从所述第一超分辨率重建图像中截取与所述分割蒙版的未掩盖区域对应的区域，作为所述目标区域超分辨率重建图像；
所述根据所述分割蒙版从所述第二超分辨率重建图像中选取与所述背景区域对应的像素值作为背景区域超分辨率重建图像，包括：
从所述第二超分辨率重建图像中截取与所述分割蒙版的掩盖区域对应的区域，作为所述背景区域超分辨率重建图像。
可选的，所述对所述待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像，包括：
将所述待处理图像输入至预先训练得到的第一超分辨率重建模型中，得到第一超分辨率重建图像；其中，所述第一超分辨率重建模型是基于目标样本图像作为训练集进行训练得到，所述目标样本图像是指包含目标且所述目标为主体的图像。
可选的，所述对所述待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像，包括：
将所述待处理图像输入至预先训练得到的第二超分辨率重建模型中，得到第二超分辨率重建图像；其中，所述第二超分辨率重建模型是基于非定类样本图像作为训练集进行训练得到，所述非定类样本图像是指各种不同类别的图像。
可选的，所述待处理图像为包含脸部和/或毛发的图像；其中，所述脸部为人脸和/或动物脸部，所述毛发为人的毛发和/或动物毛发；所述目标区域为脸部区域和/或毛发区域，所述背景区域为所述待处理图像中除所述脸部区域及所述毛发区域以外的区域。
可选的，对所述待处理图像进行图像分割处理、所述对所述待处理图像进行第一超分辨率重建处理和所述对所述待处理图像进行第二超分辨率重建处理的步骤同时进行。
本发明实施例还提供了一种对图像进行超分辨率重建的处理装置，包括：
获取模块，用于获取待处理图像；
分割模块，用于对所述待处理图像进行图像分割处理，得到目标区域和背景区域；其中，所述目标区域为所述待处理图像中的目标所在的区域，所述背景区域为所述待处理图像中除所述目标区域之外的区域；
蒙版生成模块，基于所述目标区域和所述背景区域生成分割蒙版；其中，所述分割蒙版包括掩盖区域和未掩盖区域，所述掩盖区域对应所述背景区域，所述未掩盖区域对应所述目标区域；
第一超分辨率重建处理模块，用于对所述待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像
第二超分辨率重建处理模块，用于对所述待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像；
超分辨率重建图像生成模块，用于根据所述待处理图像的分割蒙版、所述第一超分辨率重建图像和所述第二超分辨率重建图像，生成所述待处理图像的超分辨率重建图像。
可选的，所述超分辨率重建图像生成模块，包括：
目标区域超分辨率重建图像生成单元，用于根据所述分割蒙版从所述第一超分辨率重建图像中选取与所述目标区域对应的像素值作为目标区域超分辨率重建图像；
背景区域超分辨率重建图像生成单元，用于根据所述分割蒙版从所述第二超分辨率重建图像中选取与所述背景区域对应的像素值作为背景区域超分辨率重建图像；
合并单元，用于将所述目标区域超分辨率重建图像和所述背景区域超分辨率重建图像进行合并，得到所述待处理图像的超分辨率重建图像。
可选的，所述蒙版生成模块还用于：将所述目标区域作为所述分割蒙版的未掩盖区域，将所述背景区域作为所述分割蒙版的掩盖区域。
可选的，所述目标区域超分辨率重建图像生成单元，还用于：从所述第一超分辨率重建图像中选取与所述未掩盖区域对应的像素值作为所述目标区域超分辨率重建图像；
所述背景区域超分辨率重建图像生成单元，还用于从所述第二超分辨率重建图像中选取与所述掩盖区域对应的像素值作为所述背景区域超分辨率重建图像。
可选的，所述目标区域超分辨率重建图像生成单元，还用于：从所述第一超分辨率重建图像中截取与所述分割蒙版的未掩盖区域对应的区域，作为所述目标区域超分辨率重建图像；
所述背景区域超分辨率重建图像生成单元，还用于：从所述第二超分辨率重建图像中截取与所述分割蒙版的掩盖区域对应的区域，作为所述背景区域超分辨率重建图像。
可选的，所述第一超分辨率重建处理模块，还用于将所述待处理图像输入至预先训练得到的第一超分辨率重建模型中，得到第一超分辨率重建图像；其中，所述第一超分辨率重建模型是基于目标样本图像作为训练集进行训练得到，所述目标样本图像是指包含目标且所述目标为主体的图像。
可选的，所述第二超分辨率重建处理模块，还用于将所述待处理图像输入至预先训练得到的第二超分辨率重建模型中，得到第二超分辨率重建图像；其中，所述第二超分辨率重建模型是基于非定类样本图像作为训练集进行训练得到，所述非定类样本图像是指各种不同类别的图像。
可选的，所述待处理图像为包含脸部和/或毛发的图像；其中，所述脸部为人脸和/或动物脸部，所述毛发为人的毛发和/或动物毛发；所述目标区域为脸部区域和/或毛发区域，所述背景区域为所述待处理图像中除所述脸部区域及所述毛发区域以外的区域。
可选的，还包括协调模块，用于将所述待处理图像同时输入至所述分割模块、所述第一超分辨率重建处理模块和所述第二超分辨率重建处理模块。
本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一所述的对图像进行超分辨率重建的处理方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的对图像进行超分辨率重建的处理方法。
本发明实施例提供的对图像进行超分辨率重建的处理方法及装置，对待处理图像的不同性质的区域进行了不同的超分辨率处理，可以理解，不同的超分辨率处理会产生相应的不同的处理结果，这样，对待处理图像的目标区域而言，可以保留目标的细节，而对待处理图像的背景区域而言，可以修复计算过程中产生的马赛克和毛刺等噪声，从而可以提高得到的高分辨率图像的视觉效果。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
图1为本发明实施例提供的一种对图像进行超分辨率重建的处理方法的流程示意图；
图2为本发明实施例提供的对图像进行超分辨率重建的处理方法的方案示意图；
图3为本发明实施例提供的一种对图像进行超分辨率重建的处理装置的结构示意图；
图4为本发明实施例提供的一种电子设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在对图像进行处理时，有时需要对图像的目标区域和背景区域采用不同的处理方式，比如，在对图像进行超分处理时，对于图像中的人脸或动物毛发等目标区域而言，需要保留这些目标区域的图像细节，而对于图像中的背景区域而言，则需要进行噪声修复，以减少背景区域中的马赛克和毛刺。
相关技术中，对低分辨率的图像进行超分辨率重建处理的方式通常为：首先，把低分辨率图像配准到要计算的高分辨率图像的格点上，然后，利用插值算法对低分辨率图像进行插值，从而得到对应的高分辨率图像每一像素点的值，生成对应的高分辨率图像。
但是，上述超分辨率重建处理方式，在对低分辨率的图像进行插值时，会导致视觉效果变差，产生马赛克，影响高分辨率图像的视觉效果；如果进一步对高分辨率图像中的马赛克和毛刺等噪声进行修复，又可能会丢失图像细节，也会影响高分辨率图像的视觉效果。
为了解决上述技术问题，本发明提出了一种对图像进行超分辨率重建的处理方法及装置，该方法可以应用于电子设备，如计算机、服务器、摄像机等等，具体不做限定。
下面从总体上对本发明实施例提供对图像进行超分辨率重建的处理方法进行说明。
本发明的一种实现方式中，上述对图像进行超分辨率重建的处理方法包括：
获取待处理图像；
对待处理图像进行图像分割处理，得到目标区域和背景区域；其中，目标区域为待处理图像中的目标所在的区域，背景区域为待处理图像中除目标区域之外的区域；
基于目标区域和背景区域生成分割蒙版；其中，分割蒙版包括掩盖区域和未掩盖区域，掩盖区域对应背景区域，未掩盖区域对应目标区域；
对待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像；对待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像；
根据分割蒙版、第一超分辨率重建图像和第二超分辨率重建图像，得到待处理图像的超分辨率重建图像。
由以上可见，本发明实施例提供的对图像进行超分辨率重建的处理方法，在获取待处理图像之后，对待处理图像的不同性质的区域进行了不同的超分辨率处理，可以理解，不同的超分辨率处理会产生相应的不同的处理结果，这样，对待处理图像的目标区域而言，可以保留目标的细节，而对待处理图像的背景区域而言，可以修复计算过程中产生的马赛克和毛刺等噪声，从而可以提高得到的高分辨率图像的视觉效果。
下面将通过具体的实施例，对本发明实施例提供的对图像进行超分辨率重建的处理方法进行详细描述。
如图1所示，为本发明实施例提供的一种对图像进行超分辨率重建的处理方法的流程示意图，包括如下步骤：
S101：获取待处理图像。
待处理图像是指需要进行超分辨率重建处理的图像，而且，在待处理图像中包括某一目标以及该目标所处的背景。可以理解，待处理图像中的目标和背景对超分辨率重建的要求有所不同，比如，在待处理图像中的目标为人脸的情况下，对于待处理图像中的人脸区域而言，需要保留图像细节，而对于待处理图像中的背景区域而言，则需要进行噪声修复，以减少背景区域中的马赛克和毛刺。
一种实现方式中，待处理图像为包含脸部和/或毛发的图像，其中，脸部可以为人脸和/或动物脸部，毛发可以为人的毛发和/或动物毛发，而待处理图像所包含的脸部和/或毛发，即为待处理图像中的目标，待处理图像中除了脸部和/或毛发之外的其他内容即为背景。
其中，待处理图像可以是单张静态图像，也可以是视频或动态图像中的某一帧。
S102：对待处理图像进行图像分割处理，得到目标区域和背景区域。
在获取待处理图像之后，可以对待处理图像进行图像分割处理，将待处理图像中的目标和背景分割为不同的区域，这样，便于后续对不同的区域进行不同的超分辨率重建处理。其中，图像分割处理得到的目标区域为待处理图像中的目标所在的区域，背景区域为待处理图像中除目标区域之外的区域。
一种实现方式中，对待处理图像进行图像分割处理的方式，可以为：首先，检测出待处理图像中的目标的边界，然后，可以根据待处理图像中的目标的边界，将待处理图像分割为目标区域和背景区域。
举例而言，可以利用预先训练得到的图像分割模型对待处理图像进行图像分割，其中，预先训练得到的图像分割模型可以为ROI(region of interest，感兴趣区域)模型或边缘分割模型等。
一种情况下，图像分割模型为卷积神经网络模型，在这种情况下，可以采用如下步骤，训练得到图像分割模型：首先，获取多张图像分割样本图像及对应的样本目标区域，然后，将多张图像分割样本图像及对应的样本目标区域输入预设的第一训练模型，判断输出结果是否满足预设条件，如果不满足，对预设的第一训练模型进行迭代调整，直至输出结果满足预设条件，得到图像分割模型。
或者，也可以利用基于小波变换的图像分割方法、基于遗传算法的图像分割方法或阈值分割方法等方法，检测出待处理图像中的目标的边界，本发明实施例对此不做限定。
另一种实现方式中，也可以利用目标检测方法对待处理图像进行图像分割处理：首先，可以检测出待处理图像中的目标，然后，根据目标所在区域确定待处理图像的目标区域，并将待处理图像分割为目标区域和背景区域。
其中，根据待处理图像中的目标所在区域，确定待处理图像的目标区域时，可以直接将检测出的目标对应的目标框区域作为目标区域；也可以根据预设的规则，对检测出的目标对应的目标框区域进行调整，将调整后的目标框区域作为目标区域，比如，在检测出人脸后，可以将人脸对应的目标框区域的边界延伸预设长度，将延伸后的目标框区域作为目标区域，这样，可以使得人脸区域附近未被检测出的头发、首饰对应的区域也包括进目标区域，使得对目标区域和背景区域的分割更合理。
S103：基于目标区域和背景区域生成分割蒙版。
分割蒙版是一种选区，在分割蒙版中包括掩盖区域和未掩盖区域两部分，可以根据选择其中任一部分进行操作。在本步骤中，分割蒙版的掩盖区域对应待处理图像的背景区域，分割蒙版的未掩盖区域对应待处理图像的目标区域。
在对待处理图像进行图像分割处理，得到目标区域和背景区域之后，可以将目标区域作为分割蒙版的未掩盖区域，将背景区域作为分割蒙版的掩盖区域，这样，就得到待处理图像的分割蒙版。
S104：对待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像；对待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像。
其中，第一超分辨率重建处理和第二超分辨率重建处理是指不同的超分辨率重建方式，比如，使用不同的超分辨率重建模型进行图像超分辨率重建处理，或使用不同的参数进行超分辨率重建处理，等等。
举例而言，可以通过将待处理图像输入至预先训练得到的第一超分辨率重建模型，实现对待处理图像进行第一超分辨率重建处理，其中，第一超分辨率重建模型是基于目标样本图像作为训练集进行训练得到的。
一种情况下，第一超分辨率重建模型为卷积神经网络模型，在这种情况下，可以采用如下步骤，训练得到第一超分辨率重建模型：首先，获取多张目标样本图像，然后，对多张目标样本图像进行低分辨率处理，得到对应的低分辨率图像，进而，将多张目标样本图像及对应的低分辨率图像输入预设的第二训练模型，判断输出结果是否满足预设条件，如果不满足，对预设的第二训练模型进行迭代调整，直至输出结果满足预设条件，得到所述第一超分辨率重建模型。
其中，多张目标样本图像为包含目标且以目标为主体的图像，比如，如果待处理图像中的目标为人脸，那么，目标样本图像为以人脸为主体的人脸图像；如果待处理图像中的目标为动物毛发，那么，目标样本图像为以动物毛发为主体的图像。
或者，第一超分辨率重建模型也可以是基于插值或基于重建的模型，具体不做限定。
类似的，可以通过将待处理图像输入至预先训练得到的第二超分辨率重建模型，实现对待处理图像进行第二超分辨率重建处理，其中，第二超分辨率重建模型是基于非定类样本图像作为训练集进行训练得到的。
一种情况下，第二超分辨率重建模型为卷积神经网络模型，在这种情况下，可以采用如下步骤，训练得到第二超分辨率重建模型：首先，获取多张非定类样本图像，然后，对多张非定类样本图像进行低分辨率处理，得到对应的低分辨率图像，进而，将多张非定类样本图像及对应的低分辨率图像输入预设的第三训练模型，判断输出结果是否满足预设条件，如果不满足，对预设的第三训练模型进行迭代调整，直至输出结果满足预设条件，得到第二超分辨率重建模型。
其中，非定类样本图像是指各种不同类别的图像，也就是说，第二超分辨率重建模型是一种较为通用的模型，在一定程度上对特定目标的超分辨率重建处理的效果较差。
或者，第二超分辨率重建模型也可以是基于插值或基于重建的模型，具体不做限定。
需要说明的是，在一种实现方式中，该步骤可以与S102同时进行，也就是说，对待处理图像进行图像分割处理、对待处理图像进行第一超分辨率重建处理和对待处理图像进行第二超分辨率重建处理的步骤可以同时进行。可以理解，这两个步骤之间这样，对图像进行超分辨率重建的处理过程和检测过程是同时进行的，而不必先后进行，从而可以减少对图像进行处理的耗时。
S105：根据分割蒙版、第一超分辨率重建图像和第二超分辨率重建图像，得到待处理图像的超分辨率重建图像。
一种实现方式中，可以根据分割蒙版，从第一超分辨率重建图像中选取与目标区域对应的像素值，作为目标区域超分辨率重建图像，然后，根据分割蒙版，从第二超分辨率重建图像中选取与背景区域对应的像素值，作为背景区域超分辨率重建图像，进而，将目标区域超分辨率重建图像和背景区域超分辨率重建图像进行合并，得到待处理图像的超分辨率重建图像。
在生成分割蒙版的步骤中，可以将目标区域作为分割蒙版的未掩盖区域，将背景区域作为分割蒙版的掩盖区域，这样，可以根据分割蒙版的掩盖区域和未掩盖区域，对第一超分辨率重建图像和第二超分辨率重建图像进行处理，得到待处理图像的超分辨率重建图像。
举例而言，一种实现方式中，可以根据像素值生成超分辨率重建图像。首先，从第一超分辨率重建图像中，选取与未掩盖区域对应的像素值，作为目标区域超分辨率重建图像，然后，从第二超分辨率重建图像中，选取与掩盖区域对应的像素值，作为背景区域超分辨率重建图像，这样，就得到了超分辨率重建图像。
或者，在另一种实现方式中，可以利用分割蒙版对目标区域超分辨率重建图像和背景区域超分辨率重建图像进行分割，然后截取所需要的区域进行拼接，得到超分辨率重建图像。
举例而言，首先，可以从第一超分辨率重建图像中截取与分割蒙版的未掩盖区域对应的区域，作为目标区域超分辨率重建图像，然后，可以从第二超分辨率重建图像中截取与分割蒙版的掩盖区域对应的区域，作为背景区域超分辨率重建图像，进而，对目标区域超分辨率重建图像和背景区域超分辨率重建图像进行拼接，得到超分辨率重建图像。
由以上可见，本发明实施例提供的对图像进行超分辨率重建的处理方法，在获取待处理图像之后，对待处理图像的不同性质的区域进行了不同的超分辨率处理，可以理解，不同的超分辨率处理会产生相应的不同的处理结果，这样，对待处理图像的目标区域而言，可以保留目标的细节，而对待处理图像的背景区域而言，可以修复计算过程中产生的马赛克和毛刺等噪声，从而可以提高得到的高分辨率图像的视觉效果。
举例而言，如图2所示，为本发明实施例提供的对图像进行超分辨率重建的处理方法的方案示意图。
首先，对待处理图像进行图像分割处理，得到目标区域和背景区域，基于目标区域和背景区域生成待处理图像的分割蒙版，比如，如图2所示，利用ROI模型对待处理图像进行图像分割处理，得到人脸区域，进而基于人脸区域及除人脸区域之外的背景区域，得到待处理图像的分割蒙版；
同时，对待处理图像分别进行第一超分辨率重建处理和第二超分辨率重建处理，得到第一超分辨率重建图像和第二超分辨率重建图像，比如，如图2所示，利用人脸模型和背景模型，对待处理图像分别进行第一超分辨率重建处理和第二超分辨率重建处理，得到待处理图像的人脸超分辨率重建图像和背景超分辨率重建图像；
然后，根据待处理图像的分割蒙版、第一超分辨率重建图像和第二超分辨率重建图像，生成超分辨率重建图像，比如，如图2所示，根据待处理图像的分割蒙版，确定人脸超分辨率重建图像中的人脸部分以及背景超分辨率重建图像中的背景部分，从而得到超分辨率重建图像。
其中，对图像进行超分辨率重建的处理过程和检测过程是同时进行的，而不必先后进行，从而可以减少对图像进行处理的耗时。
与上述对图像进行超分辨率重建的处理方法相对应，本发明实施例还提供了一种对图像进行超分辨率重建的处理装置。
如图3所示，为本发明实施例提供的一种对图像进行超分辨率重建的处理装置的结构示意图，该装置包括：
获取模块310，用于获取待处理图像；
分割模块320，用于对待处理图像进行图像分割处理，得到目标区域和背景区域；其中，目标区域为待处理图像中的目标所在的区域，背景区域为待处理图像中除目标区域之外的区域；
蒙版生成模块330，基于目标区域和背景区域生成分割蒙版；其中，分割蒙版包括掩盖区域和未掩盖区域，掩盖区域对应背景区域，未掩盖区域对应目标区域；
第一超分辨率重建处理模块340，用于对待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像
第二超分辨率重建处理模块350，用于对待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像；
超分辨率重建图像生成模块360，用于根据待处理图像的分割蒙版、第一超分辨率重建图像和第二超分辨率重建图像，生成待处理图像的超分辨率重建图像。
一种实现方式中，超分辨率重建图像生成模块360，包括：
目标区域超分辨率重建图像生成单元361，用于根据分割蒙版从第一超分辨率重建图像中选取与目标区域对应的像素值作为目标区域超分辨率重建图像；
背景区域超分辨率重建图像生成单元362，用于根据分割蒙版从第二超分辨率重建图像中选取与背景区域对应的像素值作为背景区域超分辨率重建图像；
合并单元363，用于将目标区域超分辨率重建图像和背景区域超分辨率重建图像进行合并，得到待处理图像的超分辨率重建图像。
一种实现方式中，蒙版生成模块330还用于：将目标区域作为分割蒙版的未掩盖区域，将背景区域作为分割蒙版的掩盖区域。
一种实现方式中，目标区域超分辨率重建图像生成单元361，还用于：从第一超分辨率重建图像中选取与未掩盖区域对应的像素值作为目标区域超分辨率重建图像；
背景区域超分辨率重建图像生成单元362，还用于从第二超分辨率重建图像中选取与掩盖区域对应的像素值作为背景区域超分辨率重建图像。
一种实现方式中，目标区域超分辨率重建图像生成单元361，还用于：从第一超分辨率重建图像中截取与分割蒙版的未掩盖区域对应的区域，作为目标区域超分辨率重建图像；
背景区域超分辨率重建图像生成单元362，还用于：从第二超分辨率重建图像中截取与分割蒙版的掩盖区域对应的区域，作为背景区域超分辨率重建图像。
一种实现方式中，第一超分辨率重建处理模块340，还用于将待处理图像输入至预先训练得到的第一超分辨率重建模型中，得到第一超分辨率重建图像；其中，第一超分辨率重建模型是基于目标样本图像作为训练集进行训练得到，目标样本图像是指包含目标且目标为主体的图像。
一种实现方式中，第二超分辨率重建处理模块350，还用于将待处理图像输入至预先训练得到的第二超分辨率重建模型中，得到第二超分辨率重建图像；其中，第二超分辨率重建模型是基于非定类样本图像作为训练集进行训练得到，非定类样本图像是指各种不同类别的图像。
一种实现方式中，待处理图像为包含脸部和/或毛发的图像；其中，脸部为人脸和/或动物脸部，毛发为人的毛发和/或动物毛发；目标区域为脸部区域和/或毛发区域，背景区域为待处理图像中除脸部区域及毛发区域以外的区域。
一种实现方式中，还包括协调模块(图中未示出)，用于将待处理图像同时输入至分割模块、第一超分辨率重建处理模块和第二超分辨率重建处理模块。
由以上可见，本发明实施例提供的对图像进行超分辨率重建的处理装置，在获取待处理图像之后，对待处理图像的不同性质的区域进行了不同的超分辨率处理，可以理解，不同的超分辨率处理会产生相应的不同的处理结果，这样，对待处理图像的目标区域而言，可以保留目标的细节，而对待处理图像的背景区域而言，可以修复计算过程中产生的马赛克和毛刺等噪声，从而可以提高得到的高分辨率图像的视觉效果。
本发明实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，
存储器403，用于存放计算机程序；
处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：
获取待处理图像；
对待处理图像进行图像分割处理，得到目标区域和背景区域；其中，目标区域为待处理图像中的目标所在的区域，背景区域为待处理图像中除目标区域之外的区域；
基于目标区域和背景区域生成分割蒙版；其中，分割蒙版包括掩盖区域和未掩盖区域，掩盖区域对应背景区域，未掩盖区域对应目标区域；
对待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像；对待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像；
根据分割蒙版、第一超分辨率重建图像和第二超分辨率重建图像，得到待处理图像的超分辨率重建图像。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
由以上可见，本发明实施例提供的电子设备，在获取待处理图像之后，对待处理图像的不同性质的区域进行了不同的超分辨率处理，可以理解，不同的超分辨率处理会产生相应的不同的处理结果，这样，对待处理图像的目标区域而言，可以保留目标的细节，而对待处理图像的背景区域而言，可以修复计算过程中产生的马赛克和毛刺等噪声，从而可以提高得到的高分辨率图像的视觉效果。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的对图像进行超分辨率重建的处理方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的对图像进行超分辨率重建的处理方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、电子设备实施例、存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (20)
1.一种对图像进行超分辨率重建的处理方法，其特征在于，包括：
获取待处理图像；
对所述待处理图像进行图像分割处理，得到目标区域和背景区域；其中，所述目标区域为所述待处理图像中的目标所在的区域，所述背景区域为所述待处理图像中除所述目标区域之外的区域；
基于所述目标区域和所述背景区域生成分割蒙版；其中，所述分割蒙版包括掩盖区域和未掩盖区域，所述掩盖区域对应所述背景区域，所述未掩盖区域对应所述目标区域；
对所述待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像；对所述待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像；
根据所述分割蒙版、所述第一超分辨率重建图像和所述第二超分辨率重建图像，得到所述待处理图像的超分辨率重建图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述分割蒙版、所述第一超分辨率重建图像和所述第二超分辨率重建图像，得到所述待处理图像的超分辨率重建图像，包括：
根据所述分割蒙版从所述第一超分辨率重建图像中选取与所述目标区域对应的像素值作为目标区域超分辨率重建图像；
根据所述分割蒙版从所述第二超分辨率重建图像中选取与所述背景区域对应的像素值作为背景区域超分辨率重建图像；
将所述目标区域超分辨率重建图像和所述背景区域超分辨率重建图像进行合并，得到所述待处理图像的超分辨率重建图像。
3.根据权利要求2所述的方法，其特征在于，所述基于所述目标区域和所述背景区域生成分割蒙版，包括：
将所述目标区域作为所述分割蒙版的未掩盖区域，将所述背景区域作为所述分割蒙版的掩盖区域。
4.根据权利要求3所述的方法，其特征在于，所述根据所述分割蒙版从所述第一超分辨率重建图像中选取与所述目标区域对应的像素值作为目标区域超分辨率重建图像，包括：
从所述第一超分辨率重建图像中选取与所述未掩盖区域对应的像素值作为所述目标区域超分辨率重建图像；
所述根据所述分割蒙版从所述第二超分辨率重建图像中选取与所述背景区域对应的像素值作为背景区域超分辨率重建图像，包括：
从所述第二超分辨率重建图像中选取与所述掩盖区域对应的像素值作为所述背景区域超分辨率重建图像。
5.根据权利要求3所述的方法，其特征在于，所述根据所述分割蒙版从所述第一超分辨率重建图像中选取与所述目标区域对应的像素值作为目标区域超分辨率重建图像，包括：
从所述第一超分辨率重建图像中截取与所述分割蒙版的未掩盖区域对应的区域，作为所述目标区域超分辨率重建图像；
所述根据所述分割蒙版从所述第二超分辨率重建图像中选取与所述背景区域对应的像素值作为背景区域超分辨率重建图像，包括：
从所述第二超分辨率重建图像中截取与所述分割蒙版的掩盖区域对应的区域，作为所述背景区域超分辨率重建图像。
6.根据权利要求1或2所述的方法，其特征在于，所述对所述待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像，包括：
将所述待处理图像输入至预先训练得到的第一超分辨率重建模型中，得到第一超分辨率重建图像；其中，所述第一超分辨率重建模型是基于目标样本图像作为训练集进行训练得到，所述目标样本图像是指包含目标且所述目标为主体的图像。
7.根据权利要求1或2所述的方法，其特征在于，所述对所述待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像，包括：
将所述待处理图像输入至预先训练得到的第二超分辨率重建模型中，得到第二超分辨率重建图像；其中，所述第二超分辨率重建模型是基于非定类样本图像作为训练集进行训练得到，所述非定类样本图像是指各种不同类别的图像。
8.根据权利要求1或2所述的方法，其特征在于，所述待处理图像为包含脸部和/或毛发的图像；其中，所述脸部为人脸和/或动物脸部，所述毛发为人的毛发和/或动物毛发；所述目标区域为脸部区域和/或毛发区域，所述背景区域为所述待处理图像中除所述脸部区域及所述毛发区域以外的区域。
9.根据权利要求1或2所述的方法，其特征在于，
对所述待处理图像进行图像分割处理、所述对所述待处理图像进行第一超分辨率重建处理和所述对所述待处理图像进行第二超分辨率重建处理的步骤同时进行。
10.一种对图像进行超分辨率重建的处理装置，其特征在于，包括：
获取模块，用于获取待处理图像；
分割模块，用于对所述待处理图像进行图像分割处理，得到目标区域和背景区域；其中，所述目标区域为所述待处理图像中的目标所在的区域，所述背景区域为所述待处理图像中除所述目标区域之外的区域；
蒙版生成模块，基于所述目标区域和所述背景区域生成分割蒙版；其中，所述分割蒙版包括掩盖区域和未掩盖区域，所述掩盖区域对应所述背景区域，所述未掩盖区域对应所述目标区域；
第一超分辨率重建处理模块，用于对所述待处理图像进行第一超分辨率重建处理，得到第一超分辨率重建图像；
第二超分辨率重建处理模块，用于对所述待处理图像进行第二超分辨率重建处理，得到第二超分辨率重建图像；
超分辨率重建图像生成模块，用于根据所述待处理图像的分割蒙版、所述第一超分辨率重建图像和所述第二超分辨率重建图像，生成所述待处理图像的超分辨率重建图像。
11.根据权利要求10所述的装置，其特征在于，所述超分辨率重建图像生成模块，包括：
目标区域超分辨率重建图像生成单元，用于根据所述分割蒙版从所述第一超分辨率重建图像中选取与所述目标区域对应的像素值作为目标区域超分辨率重建图像；
背景区域超分辨率重建图像生成单元，用于根据所述分割蒙版从所述第二超分辨率重建图像中选取与所述背景区域对应的像素值作为背景区域超分辨率重建图像；
合并单元，用于将所述目标区域超分辨率重建图像和所述背景区域超分辨率重建图像进行合并，得到所述待处理图像的超分辨率重建图像。
12.根据权利要求11所述的装置，其特征在于，所述蒙版生成模块还用于：将所述目标区域作为所述分割蒙版的未掩盖区域，将所述背景区域作为所述分割蒙版的掩盖区域。
13.根据权利要求12所述的装置，其特征在于，
所述目标区域超分辨率重建图像生成单元，还用于：从所述第一超分辨率重建图像中选取与所述未掩盖区域对应的像素值作为所述目标区域超分辨率重建图像；
所述背景区域超分辨率重建图像生成单元，还用于从所述第二超分辨率重建图像中选取与所述掩盖区域对应的像素值作为所述背景区域超分辨率重建图像。
14.根据权利要求12所述的装置，其特征在于，
所述目标区域超分辨率重建图像生成单元，还用于：从所述第一超分辨率重建图像中截取与所述分割蒙版的未掩盖区域对应的区域，作为所述目标区域超分辨率重建图像；
所述背景区域超分辨率重建图像生成单元，还用于：从所述第二超分辨率重建图像中截取与所述分割蒙版的掩盖区域对应的区域，作为所述背景区域超分辨率重建图像。
15.根据权利要求10或11所述的装置，其特征在于，
所述第一超分辨率重建处理模块，还用于将所述待处理图像输入至预先训练得到的第一超分辨率重建模型中，得到第一超分辨率重建图像；其中，所述第一超分辨率重建模型是基于目标样本图像作为训练集进行训练得到，所述目标样本图像是指包含目标且所述目标为主体的图像。
16.根据权利要求10或11所述的装置，其特征在于，
所述第二超分辨率重建处理模块，还用于将所述待处理图像输入至预先训练得到的第二超分辨率重建模型中，得到第二超分辨率重建图像；其中，所述第二超分辨率重建模型是基于非定类样本图像作为训练集进行训练得到，所述非定类样本图像是指各种不同类别的图像。
17.根据权利要求10或11所述的装置，其特征在于，所述待处理图像为包含脸部和/或毛发的图像；其中，所述脸部为人脸和/或动物脸部，所述毛发为人的毛发和/或动物毛发；所述目标区域为脸部区域和/或毛发区域，所述背景区域为所述待处理图像中除所述脸部区域及所述毛发区域以外的区域。
18.根据权利要求10或11所述的装置，其特征在于，还包括协调模块，用于将所述待处理图像同时输入至所述分割模块、所述第一超分辨率重建处理模块和所述第二超分辨率重建处理模块。
19.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-9任一所述的方法步骤。
20.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910578592.8A CN110288530A (zh) | 2019-06-28 | 2019-06-28 | 一种对图像进行超分辨率重建的处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910578592.8A CN110288530A (zh) | 2019-06-28 | 2019-06-28 | 一种对图像进行超分辨率重建的处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110288530A true CN110288530A (zh) | 2019-09-27 |
Family
ID=68020110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910578592.8A Pending CN110288530A (zh) | 2019-06-28 | 2019-06-28 | 一种对图像进行超分辨率重建的处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110288530A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796600A (zh) * | 2019-10-29 | 2020-02-14 | Oppo广东移动通信有限公司 | 一种图像超分重建方法、图像超分重建装置及电子设备 |
| CN111145202A (zh) * | 2019-12-31 | 2020-05-12 | 北京奇艺世纪科技有限公司 | 模型生成方法、图像处理方法、装置、设备及存储介质 |
| CN111161369A (zh) * | 2019-12-20 | 2020-05-15 | 上海联影智能医疗科技有限公司 | 图像重建存储方法、装置、计算机设备和存储介质 |
| CN111163265A (zh) * | 2019-12-31 | 2020-05-15 | 成都旷视金智科技有限公司 | 图像处理方法、装置、移动终端及计算机存储介质 |
| CN111553846A (zh) * | 2020-05-12 | 2020-08-18 | Oppo广东移动通信有限公司 | 超分辨率处理方法及装置 |
| CN113781309A (zh) * | 2021-09-17 | 2021-12-10 | 北京金山云网络技术有限公司 | 图像处理方法、装置及电子设备 |
| CN114202651A (zh) * | 2020-09-01 | 2022-03-18 | 武汉Tcl集团工业研究院有限公司 | 一种增强感兴趣区域的图像超分方法、系统及介质 |
| CN114626273A (zh) * | 2022-03-31 | 2022-06-14 | 广州思茂信息科技有限公司 | 一种六面体网格划分的螺栓及螺母有限元参数化建模方法 |
| CN118590597A (zh) * | 2024-07-30 | 2024-09-03 | 深圳天健电子科技有限公司 | 一种基于人工智能技术的监控图像生成方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678728A (zh) * | 2016-01-19 | 2016-06-15 | 西安电子科技大学 | 分区域管理的高效超分辨率成像装置及方法 |
| CN106340027A (zh) * | 2016-08-26 | 2017-01-18 | 西北大学 | 一种基于图像超分辨率的书法背景重建方法 |
| CN108596833A (zh) * | 2018-04-26 | 2018-09-28 | 广东工业大学 | 超分辨率图像重构方法、装置、设备及可读存储介质 |
| CN108665509A (zh) * | 2018-05-10 | 2018-10-16 | 广东工业大学 | 一种超分辨率重构方法、装置、设备及可读存储介质 |
| CN108846795A (zh) * | 2018-05-30 | 2018-11-20 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109064399A (zh) * | 2018-07-20 | 2018-12-21 | 广州视源电子科技股份有限公司 | 图像超分辨率重建方法和系统、计算机设备及其存储介质 |
| CN109389129A (zh) * | 2018-09-15 | 2019-02-26 | 北京市商汤科技开发有限公司 | 一种图像处理方法、电子设备及存储介质 |
-
2019
- 2019-06-28 CN CN201910578592.8A patent/CN110288530A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678728A (zh) * | 2016-01-19 | 2016-06-15 | 西安电子科技大学 | 分区域管理的高效超分辨率成像装置及方法 |
| CN106340027A (zh) * | 2016-08-26 | 2017-01-18 | 西北大学 | 一种基于图像超分辨率的书法背景重建方法 |
| CN108596833A (zh) * | 2018-04-26 | 2018-09-28 | 广东工业大学 | 超分辨率图像重构方法、装置、设备及可读存储介质 |
| CN108665509A (zh) * | 2018-05-10 | 2018-10-16 | 广东工业大学 | 一种超分辨率重构方法、装置、设备及可读存储介质 |
| CN108846795A (zh) * | 2018-05-30 | 2018-11-20 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109064399A (zh) * | 2018-07-20 | 2018-12-21 | 广州视源电子科技股份有限公司 | 图像超分辨率重建方法和系统、计算机设备及其存储介质 |
| CN109389129A (zh) * | 2018-09-15 | 2019-02-26 | 北京市商汤科技开发有限公司 | 一种图像处理方法、电子设备及存储介质 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110796600A (zh) * | 2019-10-29 | 2020-02-14 | Oppo广东移动通信有限公司 | 一种图像超分重建方法、图像超分重建装置及电子设备 |
| WO2021083059A1 (zh) * | 2019-10-29 | 2021-05-06 | Oppo广东移动通信有限公司 | 一种图像超分重建方法、图像超分重建装置及电子设备 |
| CN110796600B (zh) * | 2019-10-29 | 2023-08-11 | Oppo广东移动通信有限公司 | 一种图像超分重建方法、图像超分重建装置及电子设备 |
| CN111161369A (zh) * | 2019-12-20 | 2020-05-15 | 上海联影智能医疗科技有限公司 | 图像重建存储方法、装置、计算机设备和存储介质 |
| CN111161369B (zh) * | 2019-12-20 | 2024-04-23 | 上海联影智能医疗科技有限公司 | 图像重建存储方法、装置、计算机设备和存储介质 |
| CN111145202A (zh) * | 2019-12-31 | 2020-05-12 | 北京奇艺世纪科技有限公司 | 模型生成方法、图像处理方法、装置、设备及存储介质 |
| CN111163265A (zh) * | 2019-12-31 | 2020-05-15 | 成都旷视金智科技有限公司 | 图像处理方法、装置、移动终端及计算机存储介质 |
| CN111145202B (zh) * | 2019-12-31 | 2024-03-08 | 北京奇艺世纪科技有限公司 | 模型生成方法、图像处理方法、装置、设备及存储介质 |
| CN111553846B (zh) * | 2020-05-12 | 2023-05-26 | Oppo广东移动通信有限公司 | 超分辨率处理方法及装置 |
| CN111553846A (zh) * | 2020-05-12 | 2020-08-18 | Oppo广东移动通信有限公司 | 超分辨率处理方法及装置 |
| CN114202651A (zh) * | 2020-09-01 | 2022-03-18 | 武汉Tcl集团工业研究院有限公司 | 一种增强感兴趣区域的图像超分方法、系统及介质 |
| CN113781309A (zh) * | 2021-09-17 | 2021-12-10 | 北京金山云网络技术有限公司 | 图像处理方法、装置及电子设备 |
| CN114626273A (zh) * | 2022-03-31 | 2022-06-14 | 广州思茂信息科技有限公司 | 一种六面体网格划分的螺栓及螺母有限元参数化建模方法 |
| CN118590597A (zh) * | 2024-07-30 | 2024-09-03 | 深圳天健电子科技有限公司 | 一种基于人工智能技术的监控图像生成方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110288530A (zh) | 一种对图像进行超分辨率重建的处理方法及装置 | |
| CN110298790A (zh) | 一种对图像进行超分辨率重建的处理方法及装置 | |
| CN108875732B (zh) | 模型训练与实例分割方法、装置和系统及存储介质 | |
| Jifara et al. | Medical image denoising using convolutional neural network: a residual learning approach | |
| US10878575B2 (en) | Foreground-aware image inpainting | |
| JP7490141B2 (ja) | 画像検出方法、モデルトレーニング方法、画像検出装置、トレーニング装置、機器及びプログラム | |
| CN111862044B (zh) | 超声图像处理方法、装置、计算机设备和存储介质 | |
| CN108604369B (zh) | 一种去除图像噪声的方法、装置、设备及卷积神经网络 | |
| CN110619618A (zh) | 一种表面缺陷检测方法、装置及电子设备 | |
| US11080833B2 (en) | Image manipulation using deep learning techniques in a patch matching operation | |
| Fan et al. | Effect of image noise on the classification of skin lesions using deep convolutional neural networks | |
| CN111402146A (zh) | 图像处理方法以及图像处理装置 | |
| KR102578209B1 (ko) | 영상 처리 방법과 장치 | |
| CN108665421B (zh) | 人脸图像高光分量去除装置和方法、存储介质产品 | |
| CN105868678A (zh) | 人脸识别模型的训练方法及装置 | |
| WO2014070273A1 (en) | Recursive conditional means image denoising | |
| Omer et al. | Denoising ct images using median based filters: a review | |
| FR et al. | Segmentation of mammography by applying extreme learning machine in tumor detection | |
| CN112001983A (zh) | 生成遮挡图像的方法、装置、计算机设备和存储介质 | |
| CN113362338A (zh) | 铁轨分割方法、装置、计算机设备和铁轨分割处理系统 | |
| JP6819445B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
| Nithya et al. | An Efficient PM-Multisampling Image Filtering with Enhanced CNN Architecture for Pneumonia Classfication | |
| Wang et al. | A variational histogram equalization method for image contrast enhancement | |
| CN113158860B (zh) | 基于深度学习多维度输出人脸质量评估方法与电子设备 | |
| Hepburn et al. | Enforcing perceptual consistency on generative adversarial networks by using the normalised laplacian pyramid distance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |
|
| RJ01 | Rejection of invention patent application after publication |