[发明专利]一种基于图片内容的图像质量提升方法

说明书

本发明公开了一种基于图片内容的图像质量提升方法，包括以下步骤：S1：构建超分辨率模型；S2：建立高清图片内容库；S3：建立图片内容库；S4：提取无文字内容型图像进行图像质量提升与修复并储存；S5：提取文字类图片的底层无文字内容型图像进行修复并储存；S6：提取文字类图片的顶层文字内容，对文字内容进行拆分，将拆分后的内容与字库进行对比，然后选出字库的字进行重组并储存；S7：将文字类图片的底层与顶层进行重新组合；S8：将图片输出。本发明的提升方法能够对不同的图片内容进行识别并分类，经质量提升后的图片分辨率更高，图片的细节更加锐利，提升图片视觉效果。

技术领域

本发明涉及图像质量提升方法领域，具体为一种基于图片内容的图像质量提升方法。

背景技术

随着数字终端的分辨率不断上升，更高分辨率图片的需求也与日俱增，这是因为低分辨率的图片，如果放到高分辨率的屏幕下，就会让视觉效果变得很差，如果720P的图片放在1080P的屏幕上，就会出现这样的问题，CN107730453A-图像质量提升方法中提到图像超分辨率模型和图像去块效应模型对于非文字内容图像的质量提升具有较大意义，但是对于含有文字内容的图像质量提升后仍旧不能更好的便于观察。

发明内容

本发明的目的在于提供一种基于图片内容的图像质量提升方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于图片内容的图像质量提升方法，包括以下步骤：

S1：构建一个深度卷积神经网络的超分辨率模型；

S2：通过残差学习结构，建立来源于网络上高清图片内容库，进行模型训练，并进行数据混合，将不同大小倍数的图像混合后进行训练；

S3：对待提升的图片进行识别、分类并建立图片内容库；

S4：提取无文字内容型图像进行超分辨率的图像质量提升与修复并储存；

S5：提取文字类图片的底层无文字内容型图像进行修复并储存；

S6：提取文字类图片的顶层文字内容，对文字内容进行拆分，将拆分后的内容与字库进行对比，然后选出字库的字进行重组并储存；

S7：将修复并储存后的文字类图片的底层与顶层进行重新组合，生成新的图片内容并储存；

S8：将图像质量提升与修复后的图片和重组的图片内容进行输出。

优选的，所述超分辨率模型的深度卷积神经网络具有七层网络结构，所述七层网络结构均采用轻量化网络所构造的网络模型。

优选的，所述高清图片内容库、图片内容库、储存的图片均保存于服务器中。

优选的，所述图像超分辨率模型的输入为S3中的图片，经过双线性插值和临近插值算法放大后进行重组，输出同尺寸的质量提升后图片。

优选的，所述文字类图片的顶层内容与底层内容采用金字塔结构进行融合重组，并与S3中的图片采用结构相似性进行对比，对比后图像相似性达百分之九十进行储存并输出，反之重复S7步骤。

与现有技术相比，本发明的有益效果是：本发明的图像质量提升方法能够对不同的图片内容进行识别并分类，对不同类别的图像采取不同图像质量提升方法，使得图像质量提升后更加优异，尤其对于附有文字内容的图片，经质量提升后的图片分辨率更高，图片的细节更加锐利，提升图片视觉效果。

附图说明

图1为本发明的流程示意图。

具体实施方式