[发明专利]图像处理方法、电子设备和存储介质

说明书

本发明公开了一种图像处理方法、电子设备和存储介质，该方法包括：对待处理图像进行多层级特征提取处理，获取若干个目标编码特征信息；生成第一目标特征信息以对其进行特征提取处理，获取全局目标特征信息；获取第一目标组合特征信息，对其采用预设规则处理，获取第二目标特征信息；将第二目标特征信息和全局目标特征信息进行融合处理，获取目标特征信息；对目标特征信息进行解码处理以得到目标图像。本发明对于任意待处理图像，对其执行预处理后输入上述搭建并训练后的图像处理模型后得，以最终输出更高质量的目标图像，提升了现有的图像增强和复原的处理效果，以满足更高的使用需求。

技术领域

本发明涉及数据处理技术领域，特别涉及一种图像处理方法、电子设备和存储介质。

背景技术

图像增强和复原一直都是计算机视觉中热门和重要的研究方向，目前主流的模型都是基于卷积神经网络。卷积神经网络采取堆叠方式，能提取不同层级的特征，低级特征包含颜色、边缘和纹理等信息，高级特征包含丰富的语义信息。例如，Orest Kupyn等人利用生成对抗网络来解决运动模糊问题，帮助恢复高清自然的图像；Kokkinos F等人基于迭代的残差网络实现手机相机的去马赛克和降噪功能，提升用户的拍照体验；Bee Lim等人基于卷积神经网络实现了单张图像超分辨率重建，大大增强了图像的细节信息。虽然这些模型都展现了不错的效果，但是由于卷积层本身的结构特点和限制，实际上卷积神经网络只能产生有限的感受野，很难有效获取图像的全局信息来帮助提高模型的输出效果。而这些图像的全局信息对图像增强和修复任务十分重要，能帮助模型获得更加理想的结果。为了增加网络的感受野以获取图像的全局信息，人们常常采用加深网络的方式，但是网络越深，训练难度越大，网络不容易收敛。因此，现有的图像处理方式无法满足较高的图像处理要求。

发明内容

本发明要解决的技术问题是为了克服现有技术中图像处理方式无法满足较高的图像处理要求的缺陷，提供一种图像处理方法、电子设备和存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种图像处理方法，所述图像处理方法包括：

将待处理图像输入至图像处理模型进处理，获取目标图像；

其中，所述将待处理图像输入至图像处理模型进处理，获取目标图像包括：

对待处理图像进行多层级特征提取处理，获取若干个目标编码特征信息；

基于所述目标编码特征信息生成第一目标特征信息，并对所述第一目标特征信息进行特征提取处理，获取全局目标特征信息；

对若干个所述目标编码特征信息进行组合处理，获取第一目标组合特征信息；

对所述第一目标组合特征信息采用预设规则处理，获取第二目标特征信息；其中，所述预设规则与多层级特征融合方式和/或通道注意力机制相关联；

将所述第二目标特征信息和所述全局目标特征信息进行融合处理，获取目标特征信息；

对所述目标特征信息进行解码处理，输出所述待处理图像对应的目标图像。

较佳地，所述图像处理模型包括特征融合模块，所述对所述第一目标组合特征信息采用预设规则处理，获取第二目标特征信息包括：

依次采用所述特征融合模块中的N个卷积层对所述第一目标组合特征信息进行特征融合处理，获取融合特征信息，N取正整数；

采用所述特征融合模块中的通道注意力机制对所述融合特征信息在通道维度上进行处理，获取所述第二目标特征信息。

较佳地，所述图像处理模型包括特征融合模块，所述对所述第一目标组合特征信息采用预设规则进行处理，获取第二目标特征信息包括：