买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于深度学习的图像质量优化方法、系统、设备及介质_青岛漫斯特数字科技有限公司_202410077127.7 

申请/专利权人:青岛漫斯特数字科技有限公司

申请日:2024-01-19

公开(公告)日:2024-04-30

公开(公告)号:CN117575916B

主分类号:G06T3/4053

分类号:G06T3/4053;G06T5/50;G06T7/00;G06T7/60;G06T5/00

优先权:

专利状态码:有效-授权

法律状态:2024.04.30#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要:本发明涉及图像处理的技术领域,特别是涉及一种基于深度学习的图像质量优化方法、系统、设备及介质,包括:对原图像进行双通道超分辨率优化,获得第一优化图像和第二优化图像;对第一优化图像与第二优化图像进行图像质量差异识别,并提取第一优化图像和第二优化图像中存在图像质量差异超过预设一阶阈值的图像区域,获得图像质量差异区域;计算图像质量差异区域面积与原图像面积之间的比值,获得图像质量差异占比;将图像质量差异占比与预设二阶阈值进行比对:若图像质量差异占比未超过预设二阶阈值,则由第一优化图像和第二优化图像中随机任选一张作为原图像的最终优化图像进行输出;能够全面、精准地提高图像质量,减小图像失真和缺陷的影响。

主权项:1.一种基于深度学习的图像质量优化方法,其特征在于,所述方法包括:对原图像进行双通道超分辨率优化,获得第一优化图像和第二优化图像;对第一优化图像与第二优化图像进行图像质量差异识别,并提取第一优化图像和第二优化图像中存在图像质量差异超过预设一阶阈值的图像区域,获得图像质量差异区域;计算图像质量差异区域面积与原图像面积之间的比值,获得图像质量差异占比;将图像质量差异占比与预设二阶阈值进行比对:若图像质量差异占比未超过预设二阶阈值,则由第一优化图像和第二优化图像中随机任选一张作为原图像的最终优化图像进行输出;若图像质量差异占比超过预设二阶阈值,则提取原图像中与图像质量差异区域对应的区域,获得原图像存疑区域;对原图像存疑区域单独进行双通道超分辨率优化,获得第一区域优化图像和第二区域优化图像;将第一区域优化图像与第二区域优化图像进行相似度对比,若第一区域优化图像与第二区域优化图像的相似度超过预设第三阈值,则根据相同的优化通道将第一区域优化图像和第二区域优化图像分别与第一优化图像和第二优化图像进行合并复原,并随机任选一张复原后的图像作为原图像的最终优化图像进行输出;若第一区域优化图像与第二区域优化图像的相似度未超过预设第三阈值,则说明原图像存在缺陷,无法进行优化;其中,所述双通道超分辨率优化方法,包括:对原图像中已知像素周围的像素值进行插值来增加图像的分辨率,获得第一优化图像;利用图像处理算法和信号处理技术,从原图像中提取信息并推断缺失的像素来增加图像的分辨率,获得第二优化图像;其中,图像质量差异区域提取方法包括:使用深度学习方法,构建一个二分类的模型;构建一个包含有标注图像质量差异的训练数据集,在训练数据集图像上进行手动标注存在质量差异的区域;使用准备好的训练数据集对模型进行训练;预设一阶阈值,确定显著差异;一旦模型训练完成,使用训练好的网络对第一和第二优化图像进行推断,得到图像差异映射;通过比较差异映射中的像素值与设定的一阶阈值,提取出图像质量差异超过一阶阈值的区域,获得图像质量差异区域;其中,所述原图像存疑区域双通道超分辨率优化方法包括:针对每个存疑区域,独立进行处理,将存疑区域裁剪出来;构建深度学习模型,该模型将低分辨率的存疑区域作为输入,高分辨率图像作为输出;对每个原图像存疑区域输入至训练好的模型,生成第一区域优化图像和第二区域优化图像;其中,最终优化图像输出方法包括:使用相似度度量方法,通过比较第一区域优化图像和第二区域优化图像之间的像素值、结构和亮度差异来对第一区域优化图像和第二区域优化图像进行相似度计算;预设第三阈值,作为判断两个区域相似度的标准;使计算得到的相似度与第三阈值进行比较,判断第一区域优化图像和第二区域优化图像相似度;若相似度超过预设第三阈值,说明两个区域的优化结果相似,则进行合并复原;若第一区域优化图像和第二区域优化图像的相似度未超过预设第三阈值,说明两个区域的优化结果相差较大,原图像存在缺陷,无法进行优化;将第一区域优化图像和第二区域优化图像分别与第一优化图像和第二优化图像进行合并,对两个区域的像素值进行加权平均处理,获得一个最终综合两个区域信息的图像;随机选择一张复原后的图像作为原图像的最终优化图像进行输出。

全文数据:

权利要求:

百度查询: 青岛漫斯特数字科技有限公司 基于深度学习的图像质量优化方法、系统、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。