[发明专利]一种失真图像的去失真方法、装置及电子设备

权利要求书

1.一种失真图像的去失真方法，其特征在于，包括：

生成失真图像对应的边信息分量，其中，所述失真图像为对原始图像进行图像处理得到的，所述边信息分量表示所述失真图像相对所述原始图像的失真特征；

将所述失真图像的失真图像颜色分量以及所述边信息分量，输入预先建立的卷积神经网络模型进行卷积滤波处理，得到去失真图像颜色分量；

其中，所述卷积神经网络模型为基于预设训练集进行训练得到的，所述预设训练集包括原始样本图像，以及原始样本图像对应的多个失真图像的失真图像颜色分量，以及每个失真图像对应的边信息分量。

2.如权利要求1所述的方法，其特征在于，所述边信息分量至少表示如下失真特征之一：

表示所述失真图像相对所述原始图像的失真程度；

表示所述失真图像相对所述原始图像的失真位置；

表示所述失真图像相对所述原始图像的失真类型。

3.如权利要求1所述的方法，其特征在于，生成失真图像对应的边信息分量，包括：

确定失真图像每个像素点的失真程度值；

基于所述失真图像各像素点的位置，使用获取的各像素点的失真程度值，生成所述失真图像对应的边信息分量，其中，所述边信息分量包括的每个分量值与所述失真图像上相同位置的像素点相对应。

4.如权利要求3所述的方法，其特征在于，确定失真图像每个像素点的失真程度值，包括：

针对通过编解码得到的失真图像，获取每个编码区域的量化参数，将所述失真图像每个像素点所在编码区域的量化参数，确定为所述失真图像每个像素点的失真程度值；或者

针对通过超分辨率处理得到的失真图像，将进行超分辨率处理时的上采样倍数，确定为所述失真图像每个像素点的失真程度值；或者

使用无参考图像质量评价方法对失真图像进行评估，得到所述失真图像每个像素点的失真程度值。

5.如权利要求3所述的方法，其特征在于，基于所述失真图像各像素点的位置，使用获取的所述各像素点的失真程度值，生成所述失真图像对应的边信息分量，包括：

基于所述失真图像各像素点的位置，将获取的每个像素点的失真程度值，确定为所述失真图像对应的边信息分量中该像素点相同位置的分量值；或者

基于所述失真图像的像素值范围，对获取的所述各像素点的失真程度值进行标准化处理，得到处理后失真程度值，所述处理后失真程度值的取值范围与所述像素值范围相同；基于所述失真图像各像素点的位置，将每个像素点的处理后失真程度值，确定为所述失真图像对应的边信息分量中该像素点相同位置的分量值。

6.一种失真图像的去失真装置，其特征在于，包括：

生成模块，用于生成失真图像对应的边信息分量，其中，所述失真图像为对原始图像进行图像处理得到的，所述边信息分量表示所述失真图像相对所述原始图像的失真特征；

滤波处理模块，用于将所述失真图像的失真图像颜色分量以及所述边信息分量，输入预先建立的卷积神经网络模型进行卷积滤波处理，得到去失真图像颜色分量；

其中，所述卷积神经网络模型为基于预设训练集进行训练得到的，所述预设训练集包括原始样本图像，以及原始样本图像对应的多个失真图像的失真图像颜色分量，以及每个失真图像对应的边信息分量。

7.如权利要求6所述的装置，其特征在于，所述边信息分量至少表示如下失真特征之一：

表示所述失真图像相对所述原始图像的失真程度；

表示所述失真图像相对所述原始图像的失真位置；

表示所述失真图像相对所述原始图像的失真类型。

8.如权利要求6所述的装置，其特征在于，所述生成模块，具体用于确定失真图像每个像素点的失真程度值；以及基于所述失真图像各像素点的位置，使用获取的各像素点的失真程度值，生成所述失真图像对应的边信息分量，其中，所述边信息分量包括的每个分量值与所述失真图像上相同位置的像素点相对应。