[发明专利]图像处理方法、装置、设备及其系统

说明书

本申请提供一种图像处理方法、装置、设备及其系统，该方法包括：获取已解码图像信息；将已解码图像信息输入给第一处理网络，由第一处理网络对所述已解码图像信息进行处理，得到与所述已解码图像信息对应的去失真图像；将所述去失真图像对应的目标图像输入给第二处理网络，以使所述第二处理网络根据所述目标图像进行用于实现智能分析的人工智能处理；第一处理网络是根据编码前样本图像的特征和已解码样本图像对应的去失真样本图像的特征训练得到的。通过本申请的技术方案，可以避免或减轻图像中的压缩损失。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、设备及其系统。

背景技术

在图像处理过程中，滤波、数据四舍五入、量化等处理，可能使像素值发生强度偏移，导致视觉障碍或假象。为了避免或减轻上述问题，可以使用去失真滤波器对图像进行后处理，以恢复像素强度偏移，减轻视觉损失。传统的去失真滤波器通常是人为地归纳失真图像的特征，利用该特征构建去失真滤波器，人为地设计失真滤波器的结构，以实验和经验为基础配置失真滤波器的系数。

近年来，深度学习网络迅速发展，深度神经网络可以在训练数据的驱动下，自适应地构建特征，在图像分类，目标检测和目标分割等领域均取得很大的成功。基于此，可以采用深度学习网络对图像进行后处理，相对去失真滤波器的处理方式，深度学习网络使得重建图像的主、客观质量得到提升。

在相关技术中，深度神经网络只对图像进行后处理，从改善信号的角度对图像进行增强，能够解决图像质量问题，如运动模糊等。但是，深度神经网络并未考虑编解码带来的压缩损失，即无法解决编解码造成的压缩损失。

发明内容

本申请提供一种图像处理方法，所述方法包括：

获取已解码图像信息；

将所述已解码图像信息输入给第一处理网络；由所述第一处理网络对所述已解码图像信息进行处理，得到与所述已解码图像信息对应的去失真图像；

将所述去失真图像对应的目标图像输入给第二处理网络，以使所述第二处理网络根据所述目标图像进行用于实现智能分析的人工智能处理；

其中，所述第一处理网络是根据编码前样本图像的特征和已解码样本图像对应的去失真样本图像的特征训练得到的，所述编码前样本图像和所述已解码样本图像是针对同一帧图像的编码前样本图像和已解码样本图像。

本申请提供一种图像处理系统，所述系统包括：

解码端，用于获取编码比特流，从所述编码比特流中解析出已解码图像信息，并将所述已解码图像信息输入给缺陷恢复模块；

缺陷恢复模块，用于获取已解码图像信息，将所述已解码图像信息输入给第一处理网络；由第一处理网络对所述已解码图像信息进行处理，得到与所述已解码图像信息对应的去失真图像；

其中，所述第一处理网络是根据编码前样本图像的特征和已解码样本图像对应的去失真样本图像的特征训练得到的，所述编码前样本图像和所述已解码样本图像是针对同一帧图像的编码前样本图像和已解码样本图像；

人工智能处理模块，用于获取所述去失真图像对应的目标图像，将所述目标图像输入给第二处理网络，以使所述第二处理网络根据所述目标图像进行用于实现智能分析的人工智能处理。

本申请提供一种图像处理装置，所述装置包括：

获取模块，用于获取已解码图像信息；

处理模块，用于将所述已解码图像信息输入给第一处理网络；由所述第一处理网络对所述已解码图像信息进行处理，得到与所述已解码图像信息对应的去失真图像；其中，所述第一处理网络是根据编码前样本图像的特征和已解码样本图像对应的去失真样本图像的特征训练得到的，所述编码前样本图像和所述已解码样本图像是针对同一帧图像的编码前样本图像和已解码样本图像；