[发明专利]图像处理方法和装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

接收发送端发送的数据，并根据接收的数据确定小波系数，其中，所述发送端发送的数据中包括对原始图像经过小波分解后得到的小波系数；

根据所述小波系数生成低分辨率图像；

根据神经网络对所述低分辨率图像进行超分辨率重建，得到高分辨率图像；

其中，所述发送端发送的数据中包括对原始图像经过小波分解后得到的小波系数包括：对所述原始图像采用一级的5/3无损小波分解方法，所述原始图像经过无损的5/3小波作为小波基的小波分解方法分解之后，得到四个子带小波系数：LL子带小波系数、LH子带小波系数、HL子带小波系数、HH子带小波系数，在所述四个子带小波系数中选取所述LL子带小波系数进行传输；

其中，所述方法还包括：对多个样本图像进行小波分解，得到对应的多个低分辨率样本图像；根据所述多个样本图像和所述对应的多个低分辨率样本图像训练神经网络；将训练后的神经网络作为初始的神经网络存储在所述发送端和接收端，其中，在根据所述发送端第一次发送的数据进行超分辨率重建时确定当前的神经网络为所述初始的神经网络；

其中，所述多个样本图像和对应的多个低分辨率样本图像构成训练样本库，训练样本库中包括多个样本对，每个样本对包括一个样本图像和对应的低分辨率样本图像，在对神经网络进行训练时，将每个样本对逐次输入神经网络。

2.根据权利要求1所述的方法，其特征在于，根据神经网络对所述低分辨率图像进行超分辨率重建包括：

确定当前的神经网络；

接收更新参数，其中，所述更新参数为所述发送端发送的根据所述原始图像对所述当前的神经网络进行优化得到的神经网络的参数；

根据所述更新参数对所述当前的神经网络进行更新，得到更新的神经网络；

根据所述更新的神经网络对所述低分辨率图像进行超分辨率重建。

3.根据权利要求1所述的方法，其特征在于，根据神经网络对所述低分辨率图像进行超分辨率重建包括：

根据所述低分辨率图像的内容选择神经网络的类别；

根据选择的神经网络对所述低分辨率图像进行超分辨率重建。

4.一种图像处理方法，其特征在于，包括：

发送端对原始图像进行小波分解，得到小波系数；

所述发送端向接收端发送所述小波系数；

所述接收端根据所述小波系数生成低分辨率图像；

所述接收端根据神经网络对所述低分辨率图像进行超分辨率重建，得到高分辨率图像；

其中，所述发送端发送的数据中包括对原始图像经过小波分解后得到的小波系数包括：对所述原始图像采用一级的5/3无损小波分解方法，所述原始图像经过无损的5/3小波作为小波基的小波分解方法分解之后，得到四个子带小波系数：LL子带小波系数、LH子带小波系数、HL子带小波系数、HH子带小波系数，在所述四个子带小波系数中选取所述LL子带小波系数进行传输；

在发送端对原始图像进行小波分解，得到小波系数之前，所述方法还包括：所述发送端或所述接收端对多个样本图像进行小波分解，得到对应的多个低分辨率样本图像；所述发送端或所述接收端根据所述多个样本图像和所述对应的多个低分辨率样本图像训练神经网络；将训练后的神经网络作为初始的神经网络存储在所述发送端和所述接收端。

5.根据权利要求4所述的方法，其特征在于，在发送端对原始图像进行小波分解，得到小波系数之后，所述方法还包括：

所述发送端根据所述小波系数生成低分辨率图像；

所述发送端根据所述原始图像和所述低分辨率图像对所述发送端当前的神经网络进行优化；

在所述发送端对神经网络经过预设次数的优化之后，所述发送端向所述接收端发送更新参数，其中，所述更新参数为在所述发送端经过预设次数优化之后的神经网络的参数；

所述接收端在接收到所述更新参数之后，根据所述更新参数对所述接收端的神经网络进行更新以得到更新的神经网络，并基于所述更新的神经网络对后续接收到的小波系数对应的低分辨率图像进行超分辨率重建。