图像复原方法、装置、存储介质和电子设备与流程

技术特征：
1.一种图像复原方法，其特征在于，包括：获得第一图像，所述第一图像为图像复原前的图像；将所述第一图像输入优化后的增强深度超分辨率网络模型edsr进行处理，输出第二图像，所述第二图像为图像复原后的图像，所述优化后的增强深度超分辨率网络模型edsr用于提升图像特征的尺度和降低运算量；其中，所述优化后的增强深度超分辨率网络模型edsr中的第一残差模块包括的多个多尺度卷积替代优化前的增强深度超分辨率网络模型edsr中的第二残差模块包括的多个单尺度卷积，所述多个单尺度卷积与所述多个多尺度卷积一一对应。2.根据权利要求1所述的方法，其特征在于，所述优化后的增强深度超分辨率网络模型edsr包括特征提取模块、所述第一残差模块、全局跳过连接模块和上采样重建模块，所述将所述第一图像输入优化后的增强深度超分辨率网络模型edsr进行处理，输出第二图像，包括：将所述第一图像输入所述特征提取模块进行处理，输出目标特征图像；将所述目标特征图像输入所述第一残差网络模块进行处理，输出第一图像特征集合；根据所述全局跳过连接模块对所述目标特征图像和所述第一图像特征集合进行特征融合，得到第二图像特征集合；将所述第二图像特征集合输入所述上采样重建模块进行处理，输出第二图像。3.根据权利要求2所述的方法，其特征在于，所述第一残差网络模块包括n个相同的优化后的残差块resblock和第一卷积，所述n为大于2的整数，所述将所述目标特征图像输入所述第一残差网络模块进行处理，输出第一图像特征集合，包括：将所述目标特征图像输入第1个优化后的残差块resblock进行处理，输出第1个处理结果；循环执行将第i个处理结果输入第(i 1)个优化后的残差块resblock进行处理，输出第(i 1)个处理结果，直到i＝(n-1)，得到第三图像特征集合，所述i是初始值为1，以1为间隔的递增整数；根据所述第三图像特征集合和所述第一卷积获得第一图像特征集合。4.根据权利要求3所述的方法，其特征在于，所述第(i 1)个优化后的残差块resblock包括两个相同的多尺度卷积、激活函数和复合块mult，所述将第i个处理结果输入第(i 1)个优化后的残差块resblock进行处理，输出第(i 1)个处理结果，包括：根据第i个处理结果和第1个多尺度卷积获得第1子处理结果；根据所述第1子处理结果和所述激活函数获得第2子处理结果；根据所述第2子处理结果和第2个多尺度卷积获得第3子处理结果；根据所述第3子处理结果和所述复合块mult获得第4子处理结果；对所述第i个处理结果和所述第4子处理结果进行特征融合，得到第(i 1)个处理结果。5.根据权利要求4所述的方法，其特征在于，所述第1个多尺度卷积包括三个相同的卷积核，所述根据第i个处理结果和第1个多尺度卷积获得第1子处理结果，包括：根据第i个处理结果和第1个卷积核获得第一中间结果，所述第一中间结果的尺度为所述第1个卷积核的大小；对所述第i个处理结果依次进行第一预设倍数下采样、与第2个卷积核卷积和所述第一
预设倍数上采样，得到第二中间结果，所述第二中间结果的尺度为所述第2个卷积核的大小与所述第一预设倍数之和；对所述第i个处理结果依次进行第二预设倍数下采样、与第3个卷积核卷积和所述第二预设倍数上采样，得到第三中间结果，所述第三中间结果的尺度为所述第3个卷积核的大小与所述第二预设倍数之和；对所述第一中间结果、所述第二中间结果和所述第三中间结果进行特征融合，得到第1子处理结果。6.一种图像复原装置，其特征在于，包括：图像获得单元，用于获得第一图像，所述第一图像为图像复原前的图像；图像复原单元，用于将所述第一图像输入优化后的增强深度超分辨率网络模型edsr进行处理，输出第二图像，所述第二图像为图像复原后的图像，所述优化后的增强深度超分辨率网络模型edsr用于提升图像特征的尺度和降低运算量；其中，所述优化后的增强深度超分辨率网络模型edsr中的第一残差模块包括的多个多尺度卷积替代优化前的增强深度超分辨率网络模型edsr中的第二残差模块包括的多个单尺度卷积，所述多个单尺度卷积与所述多个多尺度卷积一一对应。7.根据权利要求6所述的装置，其特征在于，所述优化后的增强深度超分辨率网络模型edsr包括特征提取模块、所述第一残差模块、全局跳过连接模块和上采样重建模块，在将所述第一图像输入优化后的增强深度超分辨率网络模型edsr进行处理，输出第二图像方面，所述图像复原单元具体用于：将所述第一图像输入所述特征提取模块进行处理，输出目标特征图像；将所述目标特征图像输入所述第一残差网络模块进行处理，输出第一图像特征集合；根据所述全局跳过连接模块对所述目标特征图像和所述第一图像特征集合进行特征融合，得到第二图像特征集合；将所述第二图像特征集合输入所述上采样重建模块进行处理，输出第二图像。8.根据权利要求7所述的装置，其特征在于，所述第一残差网络模块包括n个相同的优化后的残差块resblock和第一卷积，所述n为大于2的整数，在将所述目标特征图像输入所述第一残差网络模块进行处理，输出第一图像特征集合方面，所述图像复原单元具体用于：将所述目标特征图像输入第1个优化后的残差块resblock进行处理，输出第1个处理结果；循环执行将第i个处理结果输入第(i 1)个优化后的残差块resblock进行处理，输出第(i 1)个处理结果，直到i＝(n-1)，得到第三图像特征集合，所述i是初始值为1，以1为间隔的递增整数；根据所述第三图像特征集合和所述第一卷积获得第一图像特征集合。9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的图像复原方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的图像复原方法。

技术总结
本申请适用于图像处理技术领域，提供了一种图像复原方法、装置、存储介质和电子设备，包括：获得第一图像，第一图像为图像复原前的图像；将第一图像输入优化后的增强深度超分辨率网络模型EDSR进行处理，输出第二图像，第二图像为图像复原后的图像，优化后的增强深度超分辨率网络模型EDSR用于提升图像特征的尺度和降低运算量；其中，优化后的增强深度超分辨率网络模型EDSR中的第一残差模块包括的多个多尺度卷积替代优化前的增强深度超分辨率网络模型EDSR中的第二残差模块包括的多个单尺度卷积。采用本申请能够在保证优化后的增强深度超分辨网络模型EDSR的性能同时，极大的降低图像复原的运算量，进而提升图像复原的效率。进而提升图像复原的效率。进而提升图像复原的效率。


技术研发人员：王树朋
受保护的技术使用者：武汉TCL集团工业研究院有限公司
技术研发日：2020.07.08
技术公布日：2022/1/10