[发明专利]图像处理方法及装置、电子设备和计算机可读存储介质

说明书

本公开提供一种图像处理方法、装置以及相关设备，该方法包括：获取待处理图像；通过神经网络模型的目标卷积结构提取所述待处理图像的第一特征信息；通过所述神经网络模型的第一级联结构对第一特征信息进行处理，获得第一特征信息的多个特征图，根据多个特征图获得第二特征信息，其中不同特征图上的像素点在第一特征信息上映射的区域大小不同；根据第一特征信息和第二特征信息获得融合特征信息；在神经网络模型的多个重建通道中确定目标图像重建通道；根据目标图像重建通道对融合特征信息进行处理，获得将待处理图像放大目标放大倍数的目标图像。本公开提供的方法，可以按照不同的目标放大倍数将低分辨率图像重建为提供更多细节的高分辨率图像。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种图像处理方法及装置、电子设备和计算机可读存储介质。

背景技术

在电子图像应用领域，人们经常期望得到高分辨率图像。高分辨率意味着图像中的像素密度高，能够提供更多的细节，而这些细节在许多实际应用中不可或缺。例如，高分辨率医疗图像有助于医生做出正确的诊断；高分辨率卫星图能够帮助科学家从相似物中区别相似的对象；高分辨图像能帮助提高计算机视觉中的模式识别的性能。

目前，提高图像分辨率的技术一般分为两种：第一种是通过硬件的改进来提高图像的分辨率，但是改进硬件设备技术较为复杂，所需成本较高；第二种方法是通过软件技术来提高图像的分辨率，但是通过软件技术提高图像的分辨率会因为信息传递导致信息丢失。

因此，需要一种新的图像处理方法来提供图像的分辨率。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例提供一种图像处理方法及装置、电子设备和计算机可读存储介质，能够根据待处理图像准确、高效的恢复出具有高像素密度、可提供更多细节和信息的高分辨率图像。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

本公开实施例提出一种图像处理方法，该方法包括：获取待处理图像；通过神经网络模型的目标卷积结构提取所述待处理图像的第一特征信息，所述神经网络模型还包括第一级联结构和多个图像重建通道，不同图像重建通道对应不同的放大倍数；通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，并根据所述多个特征图获得第二特征信息，其中不同特征图上的像素点在所述第一特征信息上映射的区域大小不同；根据所述第一特征信息和所述第二特征信息，获得融合特征信息；在所述多个图像重建通道中确定目标图像重建通道；根据所述目标图像重建通道对所述融合特征信息进行处理，获得将所述待处理图像放大目标放大倍数的目标图像。

在一些实施例中，所述第一级联结构包括第一卷积层和第二卷积层；其中，通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，包括：通过所述第一卷积层对所述第一特征信息进行处理，获得第一特征图；通过所述第二卷积层对所述第一特征信息和所述第一特征图进行处理，获得第二特征图。

在一些实施例中，所述第一级联结构还包括特征图融合结构；其中，通过所述神经网络模型的第一级联结构对所述第一特征信息进行处理，获得所述第一特征信息的多个特征图，还包括：所述特征图融合结构对所述第一特征图和所述第二特征图进行处理，获得所述第一特征信息的融合特征图。

在一些实施例中，所述神经网络模型还包括第一卷积结构；其中，根据所述多个特征图获得第二特征信息，包括：通过所述第一卷积结构对所述融合特征图进行处理，获得所述第二特征信息。