[发明专利]图像降分辨率及复原方法、设备及可读存储介质

说明书

本申请公开了一种图像降分辨率及复原方法、设备及可读存储介质，所述图像降分辨率及复原方法包括：获取待处理图像，并确定所述待处理图像对应的图像梯度信息，进而将所述待处理图像输入预设图像降分辨率模型，对所述待处理图像进行降分辨率，获得初始低分辨率图像，进而将所述图像梯度信息存储于所述初始低分辨率图像中，获得目标低分辨率图像，将所述目标低分辨率图像输入预设图像复原模型，以基于所述图像梯度信息，对所述目标低分辨率图像进行高分辨率复原，获得目标复原图像。本申请解决了图像降分辨率后复原精确度低的技术问题。

技术领域

本申请涉及人工智能领域，尤其涉及一种图像降分辨率及复原方法、设备及可读存储介质。

背景技术

随着计算机软件和人工智能的不断发展，神经网络模型的应用也越来越广泛，目前，在进行高分辨率图像传输或者存储时，由于高分辨率图像的图像位深度较深，占用的存储空间较大，进而需要基于神经网络将高分辨率图像降分辨率为图像位深度较低的低分辨率图像进行存储，进而在提取图像时，再把低分辨率图像复原为高分辨率图像，但是，低分辨率图像在复原为高分辨效率时，往往会无法精确复原高分辨率图像的高频信息，进而导致复原后的图像失真或者与原高分辨率图像相差较大，进而导致降分辨率图像复原的精确度极低。

发明内容

本申请的主要目的在于提供一种图像降分辨率及复原方法、设备及可读存储介质，旨在解决现有技术中图像降分辨率后复原精确度低的技术问题。

为实现上述目的，本申请提供一种图像降分辨率及复原方法，所述图像降分辨率及复原方法应用于图像降分辨率及复原方法设备，所述图像降分辨率及复原方法包括：

获取待处理图像，并确定所述待处理图像对应的图像梯度信息；

将所述待处理图像输入预设图像降分辨率模型，对所述待处理图像进行降分辨率，获得初始低分辨率图像；

将所述图像梯度信息存储于所述初始低分辨率图像中，获得目标低分辨率图像；

将所述目标低分辨率图像输入预设图像复原模型，以基于所述图像梯度信息，对所述目标低分辨率图像进行高分辨率复原，获得目标复原图像。

可选地，所述图像梯度信息包括初始梯度图，

所述将所述图像梯度信息存储于所述初始低分辨率图像中，获得目标低分辨率图像的步骤包括：

对所述初始梯度图进行量化和编码，获得目标梯度图；

将所述初始低分辨率图像进行左移，获得目标存储比特位；

将所述目标梯度图存储于所述目标存储比特位中，获得所述目标低分辨率图像。

可选地，所述对所述初始梯度图进行量化和编码，获得目标梯度图的步骤包括：

确定所述待处理图像和所述初始低分辨率图像之间的差异比特位数量，并基于所述差异比特位数量，对所述初始梯度图进行量化，获得量化梯度图；

对所述量化梯度图进行降分辨率编码，获得所述目标梯度图。

可选地，所述预设图像复原模型包括梯度位深度扩展网络、图像位深度扩展及上采样网络和图像增强网络，

所述将所述目标低分辨率图像输入预设图像复原模型，以基于所述图像梯度信息，对所述目标低分辨率图像进行高分辨率复原，获得目标复原图像的步骤包括：

在所述目标低分辨率图像中提取所述初始低分辨率图像和目标梯度图；

将所述目标梯度图输入所述梯度位深度扩展网络，对所述目标梯度图进行解码和重建，获得初始梯度图；

将所述初始低分辨率图像输入所述图像位深度扩展及上采样网络，对所述初始低分辨率图像进行深度扩展和超分辨率重建，获得初始复原图像；