[发明专利]图像格式转换方法及其装置、设备、介质、产品

说明书

本申请公开一种图像格式转换方法、装置、计算机设备及存储介质，包括：采集第一数据格式的第一目标图像；将所述第一目标图像输入至预设的图像格式转换模型中，其中，所述图像格式转换模型预先通过线性损失和非线性损失约束至收敛状态，用于对图像进行格式转换的神经网络模型；读取所述图像格式转换模型输出的第二目标图像，其中，所述第二目标图像格式为第二数据格式，所述第二数据格式的信息载量大于所述第一数据格式的信息载量。通过上述方法能够快速的提高图像质量，突破了拍摄装置硬件性能的局限，满足了用户的需求。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像格式转换方法、装置、电子设备及计算机可读存储介质。

背景技术

随着科技发展与进步、智能手机大范围普及与互联网的高速发展，海量的图像数据在不断产生与分享。同时，人们对于图像的质量要求不断提高，更多人追求更高清，色彩更丰富的显示数据。

本申请创造的发明人在研究中发现，现有技术中，当通过拍摄设备采集到一张低信息量的图片后，无法对低信息量的图片进行信息量添加，即无法通过单张低信息量图像生成高信息量图像。

发明内容

本申请提供一种能够通过单一低信息量图像获得高信息量图像的图像格式转换方法、装置及计算机可读存储介质。

为实现上述目的，本申请提供一种图像格式转换方法，包括：

采集第一数据格式的第一目标图像；

将所述第一目标图像输入至预设的图像格式转换模型中，其中，所述图像格式转换模型预先通过线性损失和非线性损失约束至收敛状态，用于对图像进行格式转换的神经网络模型；

读取所述图像格式转换模型输出的第二目标图像，其中，所述第二目标图像格式为第二数据格式，所述第二数据格式的信息载量大于所述第一数据格式的信息载量。

可选地，所述图像格式转换模型包括：第一卷积通道和第二卷积通道，且所述第一卷积通道输出的特征为掩膜特征向量，所述第二卷积通道输出的特征为卷积特征向量。

可选地，所述第一卷积通道包括：第一卷积层和第一注意力层，所述第一卷积层与所述第一注意力层级联，且所述第一注意力层连接在所述第一卷积层的输出端，所述第一注意力层包括通道注意力层。

可选地，所述第二卷积通道包括：多个级联的特征层，各所述特征层的输出端均连接有第二注意力层，所述第二注意力层包括通道注意力层和空间注意力层。

可选地，各所述特征层均包括：多个级联的第二卷积层，各所述第二卷积层的输出端均连接有线性整流层，任一线性整流层的输出均作为排列在所述任一线性整流层之后所有第二卷积层的输入。

可选地，所述读取所述图像格式转换模型输出的第二目标图像包括：

读取所述第一卷积通道输出的掩膜特征向量；

将所述掩膜特征向量与所述第一目标图像的数组向量矩阵进行点积运算；

将点积运算的结果与所述第二卷积通道输出的特征向量进行加法运算；

将加法运算得到的结果通过预设的双曲正切函数进行映射后，生成所述第二目标图像。

可选地，所述图像格式转换模型的训练方法为：

读取待处理的训练样本；

根据预设的图像增强策略，对所述训练样本进行图像增强处理；

将图像增强处理后的训练样本输入至预设的非收敛模型中，其中，所述非收敛模型为所述图像格式转换模型的初始化模型；

读取所述非收敛模型输出的应激图像，并根据预设的线性损失函数和非线性损失函数，计算所述应激图像与所述训练样本中的标注图像之间的损失距离；