[发明专利]毛发增强方法、神经网络、电子装置和存储介质

说明书

本申请涉及一种毛发增强方法、神经网络、电子装置和存储介质，其中，该毛发增强方法通过多个残差模块依次对原始图像的图像特征进行残差计算和特征融合，得到残差模块融合特征，其中，相邻两个残差模块中，在后的残差模块的输入特征为在前的残差模块的输出特征；基于残差模块融合特征进行特征重建，得到对应于原始图像的增强图像，解决了相关技术中对宠物毛发或者人像中头发纹理细节的处理效果较差的问题，增强了图像中的纹理细节。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种毛发增强方法、神经网络、电子装置和存储介质。

背景技术

随着手机设备的普及，拍照逐渐成为人们记录生活的一种方式，为了能够更好地定格画面，人们对于手机拍照的质量要求也越来越高，例如，画面干净、色彩丰富、纹理清晰。

受制于拍摄条件的限制，拍照时宠物毛发或者人像中的头发等区域不可避免的存在模糊、噪声、虚焦等问题，导致拍出来的照片质量不高。而目前常见的画质提升方案是基于深度学习的超分辨率重建方法，能够将一幅低分辨率的图像经过卷积神经网络处理得到高分辨率的图像，增加图像中缺失的高频细节信息。但由于目前主流的超分辨率重建方法都是针对自然图像的，拍照时虽然画面的分辨率得到提升，但宠物毛发或者人像中头发的纹理细节往往效果差强人意。

目前针对相关技术中对宠物毛发或者人像中头发纹理细节的处理效果较差的问题，尚未提出有效的解决方案。

发明内容

本申请提供了一种毛发增强方法、神经网络、电子装置和存储介质，以解决相关技术中对宠物毛发或者人像中头发纹理细节的处理效果较差的问题。

第一方面，本申请提供了一种毛发增强方法，所述方法包括：

获取原始图像的图像特征；

通过多个残差模块依次对所述原始图像的图像特征进行残差计算和特征融合，得到残差模块融合特征，其中，相邻两个所述残差模块中，在后的所述残差模块的输入特征为在前的所述残差模块的输出特征；

基于所述残差模块融合特征进行特征重建，得到对应于所述原始图像的增强图像。

在其中一些实施例中，所述通过多个残差模块依次对所述原始图像的图像特征进行残差计算和特征融合，得到残差模块融合特征包括：

基于第一残差模块对所述图像特征进行卷积融合，得到第一特征；

基于第二残差模块对所述第一特征进行卷积融合，得到第二特征；

对所述第一特征和所述第二特征进行融合，得到所述残差模块融合特征。

在其中一些实施例中，所述多个残差模块还包括第三残差模块和第四残差模块。

在其中一些实施例中，每个所述残差模块包括多个残差层，所述残差模块的输出特征的获取方法包括：

对于相邻的两个残差层，通过在后的残差层对在前的残差层的最终输出特征进行卷积计算，得到卷积输出特征，将所述卷积输出特征与所述在前的残差层的最终输出特征相加作为所述在后的残差层的最终输出特征；

在有多个残差层的情况下，将各残差层的所述最终输出特征和所述残差模块的初始层的最终输出特征进行拼接得到残差层拼接特征；

根据所述残差模块的输入特征和所述残差层拼接特征，确定所述残差模块的输出特征。

在其中一些实施例中，所述获取原始图像的图像特征包括：

获取原始图像的初始特征；

对所述初始特征进行下采样，得到所述原始图像的图像特征。

在其中一些实施例中，所述对所述初始特征进行下采样，得到所述原始图像的图像特征包括：