[发明专利]一种图像处理方法、装置、电子设置以及存储介质

说明书

本申请实施例公开了一种图像处理方法、装置、电子设置以及存储介质，本申请属于人工智能领域，方法包括：获取原始模糊图像，获取去模糊生成模型；模糊生成模型包括顶部卷积层、第一卷积层和第二卷积层；基于顶部卷积层中的卷积函数，对原始模糊图像进行卷积，得到输入模糊图像编码特征；基于第一卷积层中的卷积函数和激活函数，对输入模糊图像编码特征进行卷积，得到第一模糊图像编码特征；将输入模糊图像编码特征和第一模糊图像编码特征叠加为第二模糊图像编码特征；基于第二卷积层中的卷积函数和激活函数，对第二模糊图像编码特征进行卷积，得到与原始模糊图像对应的目标清晰图像。采用本申请，可以提高将模糊图像去模糊的效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像处理方法、装置以及相关设备。

背景技术

图像去模糊技术，即是对输入的一张带有噪声的模糊图像进行去模糊处理，生成清晰图像的技术。图像去模糊技术在无人驾驶，公安侦查，媒体处理等领域具有广泛的应用。例如，在无人驾驶系统中，对捕捉到的由于运动速度较快而带有噪声的障碍物模糊图像，通过去模糊技术，使得该障碍物模糊图像更加清晰，提高障碍物的识别率，进而提高无人驾驶系统的安全性能。

现有方案中，通过为模糊图像设置锐化参数，以将模糊图像去模糊化。若设置的锐化参数过大，得到的图像就会失真，图中出现晕影和噪点，导致与原图图像内容不一致；若设置的锐化参数过小，去模糊化效果不明显。

现有方案中，锐化参数的确定是通过人工根据模糊图像的模糊程度，多次手动试验、调整，造成模糊图像去模糊化效率低下。

发明内容

本申请实施例提供一种图像处理方法、装置以及相关设备，可以提高将模糊图像去模糊的效率。

本申请实施例一方面提供了一种图像处理方法，包括：

获取原始模糊图像，获取去模糊生成模型；所述模糊生成模型包括顶部卷积层、第一卷积层和第二卷积层；

基于所述顶部卷积层中的卷积函数，对所述原始模糊图像进行卷积，得到输入模糊图像编码特征；

基于所述第一卷积层中的卷积函数和激活函数，对所述输入模糊图像编码特征进行卷积，得到第一模糊图像编码特征；

将所述输入模糊图像编码特征和所述第一模糊图像编码特征叠加为第二模糊图像编码特征；

基于所述第二卷积层中的卷积函数和激活函数，对所述第二模糊图像编码特征进行卷积，得到与所述原始模糊图像对应的目标清晰图像。

其中，所述第一卷积层和所述第二卷积层属于N个第一编码层；所述N个第一编码层包括N-1个第二编码层；所述N-1个第二编码层是在所述N个第一编码层中除位于底部的第一编码层以外的第一编码层；所述N是大于1的整数；

第二编码层S_j+1包括卷积激活单元C_k、卷积激活单元以及卷积激活单元C_k+2；所述j是大于0小于N-1的整数；所述k是大于0的整数；

所述卷积激活单元C_k的输入特征信息是所述第二编码层S_j的输出特征信息和所述第二编码层S_j的输入特征信息叠加后的特征信息；

所述卷积激活单元C_k+1的输入特征信息是所述卷积激活单元C_k的输出特征信息和所述卷积激活单元C_k的输入特征信息叠加后的特征信息；

所述卷积激活单元C_k+2的输入特征信息是所述卷积激活单元C_k+1的输出特征信息、所述卷积激活单元C_k+1的输入特征信息以及所述所述卷积激活单元C_k的输入特征信息叠加后的特征信息。