[发明专利]图像处理方法及装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

根据待处理图像，得到所述待处理图像在X方向的第一梯度图和Y方向的第二梯度图；

将所述第一梯度图输入第一神经网络，得到处理后的第三梯度图；

将所述第二梯度图输入第二神经网络，得到处理后的第四梯度图；

根据所述待处理图像、所述第三梯度图和所述第四梯度图进行最小化处理，得到结果图像；

还包括：

获取滤波器和训练图像集合；

根据所述滤波器和所述训练图像集合训练得到所述第一神经网络；

根据所述滤波器和所述训练图像集合训练得到所述第二神经网络。

2.根据权利要求1所述的方法，其特征在于，根据所述待处理图像、所述第三梯度图和所述第四梯度图进行最小化处理，得到结果图像，包括：

根据式1确定结果图像：

其中，R表示所述结果图像，R_x表示所述结果图像在X方向的梯度图，R_y表示所述结果图像在X方向的梯度图，β为大于零的第一常数，I表示所述待处理图像，I'_x表示所述第三梯度图，I'_y表示所述第四梯度图。

3.根据权利要求1所述的方法，其特征在于，根据所述滤波器和所述训练图像集合训练得到所述第一神经网络，包括：

确定所述训练图像集合中各训练图像在X方向的第五梯度图；

根据各所述第五梯度图和所述滤波器确定各训练图像对应的第一样本图；

根据式2采用随机梯度下降法训练得到第一神经网络；

其中，Iⁱ表示所述训练图像集合中的第i个训练图像，所述训练图像集合为{I¹,I²,I³，…，I^N}，0≤i≤N，且i、N为正整数；

F(Iⁱ)_x表示Iⁱ对应的第一样本图，表示Iⁱ对应的所述第五梯度图；

CNN₁(x)表示第一神经网络，表示第一神经网络对应于的第一输出结果；

λ表示大于零的第二常数，ε表示大于零的第三常数，表示针对所述第一输出结果的损失函数。

4.根据权利要求1所述的方法，其特征在于，根据所述滤波器和所述训练图像集合训练得到所述第二神经网络，包括：

确定所述训练图像集合中各训练图像在Y方向的第六梯度图；

根据各所述第六梯度图和所述滤波器确定各训练图像对应的第二样本图；

根据式3采用随机梯度下降法训练得到第二神经网络；

其中，Iⁱ表示所述训练图像集合中的第i个训练图像，所述训练图像集合为{I¹,I²,I³，…，I^N}，0≤i≤N，且i、N为正整数；

F(Iⁱ)_y表示Iⁱ对应的第二样本图，表示Iⁱ对应的所述第六梯度图；

CNN₂(x)表示第二神经网络，表示第二神经网络对应于的第二输出结果；

λ表示大于零的第二常数，ε表示大于零的第三常数，表示针对第二输出结果的损失函数。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，还包括：

将第一神经网络和/或第二神经网络中的各卷积核变为离散卷积核。