[发明专利]图像的分辨率处理方法、装置、设备及存储介质

权利要求书

1.一种图像的分辨率处理方法，其特征在于，所述图像的分辨率处理方法包括：

获取待处理图像以及待处理图像对应参数，所述待处理图像对应参数包括高度、宽度和颜色通道数；

将所述待处理图像对应参数导入优化后的深度学习模型中，通过预设的激活函数对所述待处理图像对应参数进行处理，得到第一图像；

对所述第一图像进行对折相减操作并引入尺度系数矩阵，生成第二图像；

判断所述第二图像的分辨率是否达到预设的标准，得到判断结果，基于所述判断结果输出目标图像，所述目标图像的分辨率高于所述待处理图像。

2.根据权利要求1所述的图像的分辨率处理方法，其特征在于，所述将所述待处理图像对应参数导入优化后的深度学习模型中，通过预设的激活函数对所述待处理图像对应参数进行处理，得到第一图像包括：

将所述待处理图像对应参数I_H×W×C导入优化后的深度学习模型的神经网络NReLU，得到第一中间结果；

调用激活函数σ将所述第一中间结果映射到预置的范围，生成第一图像，其中，所述激活函数σ根据第一公式生成，σ的取值范围为0到1。

3.根据权利要求1所述的图像的分辨率处理方法，其特征在于，所述对所述第一图像进行对折相减操作并引入尺度系数矩阵，生成第二图像包括：

将所述第一图像代入预置的对折相减函数Λ中，得到第二中间结果，其中，所述对折相减函数Λ根据第二公式Λ(x)＝X_0-0.5-X_0.5-1生成；

将所述第二中间结果和尺度系数矩阵A进行逐元相乘运算，生成第二图像，所述尺度系数矩阵A根据第三公式生成，其中，*为矩阵间的逐元相乘运算。

4.根据权利要求1所述的图像的分辨率处理方法，其特征在于，所述判断所述第二图像的分辨率是否达到预设的标准，得到判断结果，基于所述判断结果输出目标图像，所述目标图像的分辨率高于所述待处理图像包括：

读取所述第二图像的分辨率，并将所述第二图像的分辨率与预设的标准分辨率进行对比，若所述第二图像的分辨率达到预设的标准分辨率，则输出目标图像；

若所述第二图像的分辨率没有达到预设的标准分辨率，则将所述第二图像再次导入所述优化后的深度学习模型，重复上述操作，直至生成的图像分辨率达到预设的标准分辨率，并输出目标图像。

5.根据权利要求1-4任一项所述的图像的分辨率处理方法，其特征在于，在所述获取待处理图像以及待处理图像对应参数之前，所述方法还包括：

构建优化后的深度学习模型。

6.根据权利要求5所述的图像的分辨率处理方法，其特征在于，所述构建优化后的深度学习模型包括：

获取模型训练图像以及模型训练图像对应参数，所述模型训练图像对应参数包括高度、宽度和颜色通道数；

将所述模型训练图像对应参数导入预设的神经网络，得到初始训练结果，调用激活函数σ将所述初始训练结果映射到预置的范围，得到中间训练结果；

对所述中间训练结果进行对折相减处理，得到目标训练结果，将所述目标训练结果和尺度矩阵进行逐元相乘运算，输出初始深度学习模型；

基于预置的损失函数对所述初始深度学习模型进行优化，生成优化后的深度学习模型。

7.根据权利要求6所述的图像的分辨率处理方法，其特征在于，所述基于预置的损失函数对所述初始深度学习模型进行优化，生成优化后的深度学习模型包括：

根据预置的损失函数计算公式计算所述初始深度学习模型的损失函数，得到目标损失函数L；

获取标准图像，将所述标准图像导入所述初始深度学习模型，并调用梯度下降算法和所述目标损失函数L对所述初始深度学习模型进行优化处理，生成优化后的深度学习模型。