CN111091518A - 一种图像处理方法、装置、电子设备及存储介质 - Google Patents
一种图像处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111091518A CN111091518A CN201911414346.5A CN201911414346A CN111091518A CN 111091518 A CN111091518 A CN 111091518A CN 201911414346 A CN201911414346 A CN 201911414346A CN 111091518 A CN111091518 A CN 111091518A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- quality parameter
- target
- compressed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000007906 compression Methods 0.000 claims description 34
- 230000006835 compression Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种图像处理方法、装置、电子设备及存储介质，其中，该方法包括：获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。从而可以实现对噪声图像进行去噪处理。由于该目标质量参数对应的图像去噪模型是采用与该目标质量参数对应的图像样本来训练的，并且，由于该图像去噪模型是与该待处理图像的质量参数对应的，因此，得到的图像去噪模型更适用于对该待处理图像进行去噪，使得去噪效果更好。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术
在图像处理领域，通常会用到图像编码技术。通过采用图像编码技术，可以将较大的图像文件压缩为较小的图像文件。目前，图像编码技术主要包括无损压缩技术和有损压缩技术。
对于采用无损压缩技术压缩后的图像，由于无损压缩的过程不会产生压缩噪声，因此，可以将无损压缩后的图像可以恢复为原来的图像；对于采用有损压缩技术压缩后的图像，由于有损压缩的过程会产生压缩噪声，因此，有损压缩后的图像无法恢复为原来的图像。例如，在采用JPEG(Joint Photographic Experts Group，联合图像专家组)有损图像压缩技术压缩图像时，通常会出现块效应或振铃效应，从而会出现压缩噪声，压缩后的图像即为噪声图像，其中，块效应主要表现为梯形噪声和格形噪声。梯形噪声指图像边缘会出现锯齿状噪声；格形噪声指图像会出现格形轮廓，多在图像的平坦区域出现。振铃效应指图像边缘会出现振荡。
相应的，在对原图像进行压缩后，通常也需要对压缩后的噪声图像进行恢复，由于有损压缩过程中产生了压缩噪声，因此，在对压缩后的图像进行恢复时，恢复后的图像往往会有一定偏差。为了使得恢复后的图像更接近于有损压缩前的原图像，有必要对噪声图像进行去噪处理。
发明内容
本发明实施例的目的在于提供一种图像处理方法、装置、电子设备及存储介质，以实现对噪声图像进行去噪处理，使得恢复后的图像更接近于有损压缩前的原图像。具体技术方案如下：
第一方面，本发明实施例提供了一种图像处理方法，该方法包括：
获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；
将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个质量参数对应一个图像去噪模型，与目标质量参数对应的图像去噪模型，是基于原图样本以及采用目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
可选的，基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数，包括：
将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像；
将与目标图像对应的质量参数作为目标质量参数。
可选的，基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数，包括：
将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的两个压缩后的待处理图像作为目标图像；
基于目标图像的数据量、目标图像对应的质量参数和待处理图像的数据量，采用插值法确定待处理图像对应的目标质量参数。
可选的，该图像处理方法还包括：
针对每个质量参数，获取多个采用该质量参数压缩的压缩图像和对应的原始图像；
将压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与该质量参数对应的图像去噪模型。
可选的，该图像处理方法还包括：
获取采用预设质量参数区间的多个质量参数压缩的多个压缩图像和对应的原始图像；
将多个压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与包含该质量参数的质量参数区间对应的图像去噪模型；
将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，包括：
将待处理图像输入至预先设置的与包含该质量参数的质量参数区间对应的图像去噪模型，得到去噪后的图像。
第二方面，本发明实施例还提供了一种图像处理装置，该装置包括：
压缩模块，用于获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
目标质量参数确定模块，用于基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；
去噪模块，用于将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个质量参数对应一个图像去噪模型，与目标质量参数对应的图像去噪模型，是基于原图样本以及采用目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
可选的，目标质量参数确定模块，具体用于：
将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像；将与目标图像对应的质量参数作为目标质量参数。
可选的，目标质量参数确定模块，具体用于：
将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的两个压缩后的待处理图像作为目标图像；
基于目标图像的数据量、目标图像对应的质量参数和待处理图像的数据量，采用插值法确定待处理图像对应的目标质量参数。
可选的，该图像处理装置还包括：
第一样本获取模块，用于针对每个质量参数，获取多个采用该质量参数压缩的压缩图像和对应的原始图像；
第一训练模块，用于将压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与该质量参数对应的图像去噪模型。
可选的，该图像处理装置还包括：
第二样本获取模块，用于获取采用预设质量参数区间的多个质量参数压缩的多个压缩图像和对应的原始图像；
第二训练模块，用于将多个压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与包含该质量参数的质量参数区间对应的图像去噪模型；
去噪模块，具体用于：
将待处理图像输入至预先设置的与包含该质量参数的质量参数区间对应的图像去噪模型，得到去噪后的图像。
第三方面，本发明实施例还提供了一种电子设备，包括处理器和机器可读存储介质，机器可读存储介质存储有能够被处理器执行的机器可执行指令，处理器被机器可执行指令促使：实现上述第一方面提供的一种图像处理方法步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时，实现上述第一方面提供的一种图像处理方法步骤。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面提供的一种图像处理方法步骤。
第六方面，本发明实施例还提供了一种计算机程序，当其在计算机上运行时，使得计算机执行上述第一方面提供的一种图像处理方法步骤。
本发明实施例提供的一种图像处理方法、装置、电子设备及存储介质，可以先获取待处理图像，然后采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；再基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；这样，可以确定出对该待处理图像对应的原始图像进行压缩得到该待处理图像时使用的质量参数，然后将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。从而可以实现对噪声图像进行去噪处理。由于该目标质量参数对应的图像去噪模型是采用与该目标质量参数对应的图像样本来训练的，并且，由于该图像去噪模型是与该待处理图像的质量参数对应的，因此，得到的图像去噪模型更适用于对该待处理图像进行去噪，使得去噪效果更好。当然，实施本发明的任一产品或方法并不一定需要同时达到上述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种图像处理方法第一种实施方式的流程图；
图2为本发明实施例的一种图像处理方法第二种实施方式的流程图；
图3为本发明实施例的一种图像处理方法第三种实施方式的流程图；
图4为本发明实施例的一种图像处理方法第四种实施方式的流程图；
图5为本发明实施例的一种图像处理装置的结构示意图；
图6为本发明实施例的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在现有技术中，在对噪声图像进行去噪处理时，无论该噪声图像对应的原图是采用何种质量参数进行压缩的，均使用一个图像去噪模型进行去噪处理。当该原图采用的质量参数较高时，压缩的程度较弱，在对该噪声图像进行去噪时，则该噪声图像可能会被过度去噪，使得该噪声图像被处理的过平滑；当该原图采用的质量参数较低时，压缩的程度较强，在对该噪声图像进行去噪时，则该噪声图像可能会存在去噪不彻底的问题。
对此，本发明实施例提供了一种图像处理方法、装置、电子设备及存储介质，以实现对噪声图像进行去噪处理。
下面，首先对本发明实施例的一种图像处理方法进行介绍，如图1所示，为本发明实施例的一种图像处理方法第一种实施方式的流程图，该方法可以包括：
S110，获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像。
其中，每个压缩后的待处理图像对应一个质量参数。
S120，基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数。
S130，将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。
其中，每个质量参数对应一个图像去噪模型，与目标质量参数对应的图像去噪模型，是基于原图样本以及采用目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
在一些示例中，该待处理图像为压缩后存在噪声的噪声图像，通常会采用一个质量参数对该待处理图像对应的原图像进行压缩，从而可以得到该待处理图像。因此该待处理图像具有对应的质量参数。
在又一些示例中，当采用一个质量参数进行压缩得到噪声图像后，若再使用该相同的质量参数对该噪声图像进行压缩，再次压缩后得到的图像的数据量与一次压缩得到的噪声图像的数据量基本相同，也就是说，使用相同的质量参数进行二次压缩后数据量几乎不发生变化。
因此，可以采用多个质量参数对该待处理图像进行压缩，得到多个压缩后的待处理图像，然后可以基于该多个压缩后的待处理图像的数据量、该待处理图像的数据量，以及该多个质量参数，可以确定出目标质量参数。
也就是说，该目标质量参数为压缩得到该待处理图像时所使用的质量参数。
在又一些示例中，如果采用该目标质量参数对原图样本进行压缩得到压缩样本，然后再采用该压缩样本和对应的原图样本对预先设置的图像去噪模型进行训练，得到一个与该目标质量参数对应的图像去噪模型。则该目标质量参数对应的图像去噪模型可以很好的对采用该目标质量参数进行压缩得到的压缩图像进行去噪处理。
因此，可以将该待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型。该图像去噪模型可以对该待处理图像进行去噪处理，从而可以得到去噪后的图像。
本发明实施例提供的一种图像处理方法，可以先获取待处理图像，然后采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；再基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；这样，可以确定出对该待处理图像对应的原始图像进行压缩得到该待处理图像时使用的质量参数，然后将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。从而可以实现对噪声图像进行去噪处理。由于该目标质量参数对应的图像去噪模型是采用与该目标质量参数对应的图像样本来训练的，并且，由于该图像去噪模型是与该待处理图像的质量参数对应的，因此，得到的图像去噪模型更适用于对该待处理图像进行去噪，使得去噪效果更好。
在图1所示的一种图像处理方法的基础上，本发明实施例还提供了一种可能的实现方式，如图2所示，为本发明实施例的一种图像处理方法第二种实施方式的流程图，该方法可以包括：
S210，获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像。
S220，将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像。
S230，将与目标图像对应的质量参数作为目标质量参数。
S240，将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。
在一些示例中，由于采用一个质量参数进行压缩得到噪声图像后，若再使用该相同的质量参数对该噪声图像进行压缩，再次压缩后得到的图像的数据量与一次压缩得到的噪声图像的数据量基本相同，因此，当该多个压缩后的待处理图像的数据量中，存在一个与该待处理图像的数据量最接近的压缩后的待处理图像时，则可以认为压缩得到该压缩后的待处理图像时所使用的质量参数，与压缩得到该待处理图像时所使用的质量参数是相同的。对此，在基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数时，可以将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像，然后将与目标图像对应的质量参数作为目标质量参数。也就是说，当一个压缩后的待处理图像的数据量与该待处理图像的数据量的差值最小时，则可以说明得到该待处理图像时采用的质量参数，与得到该压缩后的待处理图像时采用的质量参数是相同或相近的，因此，可以将该压缩后的待处理图像对应的质量参数作为得到待处理图像时的质量参数。然后可以将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，从而可以得到去噪后的图像。
通过本发明实施例，可以快速的确定出该待处理图像对应的质量参数，从而可以快速的对该待处理图像进行去噪处理，节省去噪处理时的时间开销。
可以理解的是，本发明实施例中的步骤S210和S240，与本发明实施例的一种图像处理方法第一种实施方式中的步骤S110和S130相同或相似，这里不再赘述。
在图1所示的一种图像处理方法的基础上，本发明实施例还提供了一种可能的实现方式，如图3所示，为本发明实施例的一种图像处理方法第三种实施方式的流程图，该方法可以包括：
S310，获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像。
S320，将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的两个压缩后的待处理图像作为目标图像。
S330，基于目标图像的数据量、目标图像对应的质量参数和待处理图像的数据量，采用插值法确定待处理图像对应的目标质量参数。
S340，将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。
通过本发明实施例的一种图像处理方法第二种实施方式，可以快速确定出待处理图像对应的质量参数，然而，由于该第二种实施方式中是将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像，然后将与目标图像对应的质量参数作为目标质量参数，因此，确定出的待处理图像对应的质量参数，可能与压缩得到该待处理图像时实际使用的质量参数存在偏差。
对此，为了使得确定出的待处理图像对应的质量参数更准确，本发明实施例还可以在从多个质量参数中确定出目标质量参数时，可以将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的两个压缩后的待处理图像作为目标图像，然后可以采用插值法确定待处理图像对应的目标质量参数。最后，可以将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，从而可以得到去噪后的图像。
通过本发明实施例，可以使得确定出的质量参数与压缩得到待处理图像时所使用的质量参数更接近，这样，可以更准确的使用与目标质量参数对应的图像去噪模型对待处理图像进行去噪处理。从而可以进一步提高对待处理图像进行去噪的效果。
可以理解的是，本发明实施例中的步骤S310和S340，与本发明实施例的一种图像处理方法第一种实施方式中的步骤S110和S130相同或相似，这里不再赘述。
在图2所示的一种图像处理方法的基础上，本发明实施例还提供了一种可能的实现方式，如图4所示，为本发明实施例的一种图像处理方法第四种实施方式的流程图，该方法可以包括：
S410，针对每个质量参数，获取多个采用该质量参数压缩的压缩图像和对应的原始图像；
S420，将压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与该质量参数对应的图像去噪模型。
S430，获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
S440，将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像；
S450，将与目标图像对应的质量参数作为目标质量参数。
S460，将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个质量参数对应一个图像去噪模型。
在又一些示例中，在对该待处理图像进行处理前，本发明实施例还可以预先设置多个图像去噪模型，每个图像去噪模型可以对应一个质量参数，这样，可以在确定出目标质量参数后，可以将该待处理图像输入至该预先设置的与该目标质量参数对应的图像去噪模型中。
在一些示例中，可以针对一个预先设置的待训练的图像去噪模型，先获取多个原始图像，然后采用一个质量参数对该多个原始图像进行压缩，这样可以得到每个原始图像对应的压缩图像，然后将该多个原始图像以及对应的压缩图像作为训练样本，然后采用该训练样本对预先设置的待训练图像去噪模型进行训练，从而可以得到该质量参数对应的图像去噪模型。
例如，可以先获取多个原始图像，然后分别采用质量参数20、40、60以及80，对该多个原始图像进行压缩，从而可以得到质量参数20对应的多个压缩图像，质量参数40对应的多个压缩图像、质量参数60对应的多个压缩图像，以及质量参数80对应的多个压缩图像。
然后采用原始图像以及质量参数20对应的多个压缩图像，对预先设置的待训练图像去噪模型进行训练，从而可以得到质量参数20对应的图像去噪模型；采用原始图像以及质量参数40对应的多个压缩图像，对预先设置的待训练图像去噪模型进行训练，从而可以得到质量参数40对应的图像去噪模型；采用原始图像以及质量参数60对应的多个压缩图像，对预先设置的待训练图像去噪模型进行训练，从而可以得到质量参数60对应的图像去噪模型；采用原始图像以及质量参数80对应的多个压缩图像，对预先设置的待训练图像去噪模型进行训练，从而可以得到质量参数80对应的图像去噪模型。
然后可以在获取到待处理图像时，采用多个质量参数对待处理图像进行压缩，再将压缩得到的多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像；并将与目标图像对应的质量参数作为目标质量参数。最后，将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。
例如，假设确定出的目标质量参数为60，则可以将该待处理图像输入至与目标质量参数60对应的图像去噪模型，对该待处理图像进行去噪处理，从而可以得到去噪后的图像。
在又一些示例中，为了使得训练得到的图像去噪模型可以对一定质量参数范围内的图像进行去噪处理，使得该图像去噪模型具有一定的泛化能力，可以先获取多个原始图像，然后采用一个质量参数区间的多个质量参数对该多个原始图像进行压缩，得到该质量参数区间中每个质量参数对应的多个压缩图像，然后将该多个原始图像以及每个质量参数对应的多个压缩图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，这样，可以得到一个质量参数区间对应的图像去噪模型。
对于其他质量参数区间，也可以采用相同或相似的步骤，得到其他质量参数区间对应的图像去噪模型。
例如，采用质量参数区间10～30之间的多个质量参数对多个原始图像进行压缩，得到质量参数区间10～30之间每个质量参数对应的多个压缩图像，然后将该原始图像和质量参数区间10～30之间每个质量参数对应的多个压缩图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，这样，可以得到质量参数区间10～30对应的图像去噪模型。
对于质量参数区间30～50、质量参数50～70以及质量参数70～90，也可以采用与上述的步骤相同或相似的步骤，从而可以得到质量参数区间30～50对应的图像去噪模型，质量参数区间50～70对应的图像去噪模型，以及质量参数区间70～90对应的图像去噪模型。
然后在确定出目标质量参数时，可以采用包含该目标质量参数的质量参数区间对应的图像去噪模型，对该待处理图像进行去噪处理，从而可以得到去噪后的图像。
例如，假设确定出的目标质量参数为45，则可以采用包含该目标质量参数45的质量参数区间30～50对应的图像去噪模型，该待处理图像进行去噪处理。这样，可以使得该质量参数区间对应的图像去噪模型具有一定的泛化性，可以适用于对质量参数在一个预设范围内待处理图像进行去噪处理。
可以理解的是，本发明实施例中的步骤S430～S460，与本发明实施例的一种图像处理方法第二种实施方式中的步骤S210～S240相同或相似，这里不再赘述。
在又一些示例中，对于本发明实施例的一种图像处理方法第三种实施方式，也可以采用上述的训练过程来预先设置多个图像去噪模型。
例如，可以采用如下步骤，来预先设置与每个质量参数对应的图像去噪模型：
步骤A1，针对每个质量参数，获取多个采用该质量参数压缩的压缩图像和对应的原始图像；
步骤A2，将压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与该质量参数对应的图像去噪模型。
又例如，也可以采用如下步骤，来预先设置与每个质量参数区间对应的图像去噪模型：
步骤B1，获取采用预设质量参数区间的多个质量参数压缩的多个压缩图像和对应的原始图像；
步骤B2，将6多个压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与包含该质量参数的质量参数区间对应的图像去噪模型。
可以理解的是，这里的步骤A1、A2、B1以及B2，与本发明实施例的一种图像处理方法第三种实施方式中的步骤相同或相似，这里不再赘述。
相应于上述的方法实施例，本发明实施例还提供了一种图像处理装置，如图5所示，为本发明实施例的一种图像处理装置的结构示意图，该装置可以包括：
压缩模块510，用于获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
目标质量参数确定模块520，用于基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；
去噪模块530，用于将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个质量参数对应一个图像去噪模型，与目标质量参数对应的图像去噪模型，是基于原图样本以及采用目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
本发明实施例提供的一种图像处理装置，可以先获取待处理图像，然后采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；再基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；这样，可以确定出对该待处理图像对应的原始图像进行压缩得到该待处理图像时使用的质量参数，然后将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。从而可以实现对噪声图像进行去噪处理。由于该目标质量参数对应的图像去噪模型是采用与该目标质量参数对应的图像样本来训练的，并且，由于该图像去噪模型是与该待处理图像的质量参数对应的，因此，得到的图像去噪模型更适用于对该待处理图像进行去噪，使得去噪效果更好。
可选的，目标质量参数确定模块520，具体用于：
将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像；将与目标图像对应的质量参数作为目标质量参数。
可选的，目标质量参数确定模块520，具体用于：
将多个压缩后的待处理图像中，数据量与待处理图像的数据量的差值最小的两个压缩后的待处理图像作为目标图像；
基于目标图像的数据量、目标图像对应的质量参数和待处理图像的数据量，采用插值法确定待处理图像对应的目标质量参数。
可选的，该图像处理装置还包括：
第一样本获取模块，用于针对每个质量参数，获取多个采用该质量参数压缩的压缩图像和对应的原始图像；
第一训练模块，用于将压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与该质量参数对应的图像去噪模型。
可选的，该图像处理装置还包括：
第二样本获取模块，用于获取采用预设质量参数区间的多个质量参数压缩的多个压缩图像和对应的原始图像；
第二训练模块，用于将多个压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与包含该质量参数的质量参数区间对应的图像去噪模型；
去噪模块530，具体用于：
将待处理图像输入至预先设置的与包含该质量参数的质量参数区间对应的图像去噪模型，得到去噪后的图像。
本发明实施例还提供了一种电子设备，如图6所示，为本发明实施例的一种图像处理方法应用于电子设备的结构示意图，该电子设备可以包括处理器601和机器可读存储介质602，机器可读存储介质602存储有能够被处理器601执行的机器可执行指令，处理器601被机器可执行指令促使实现上述任一实施例所述的图像处理方法的步骤，例如，可以实现以下步骤：
获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；
将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个质量参数对应一个图像去噪模型，与目标质量参数对应的图像去噪模型，是基于原图样本以及采用目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
机器可读存储介质602可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器601可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供的一种电子设备，可以先获取待处理图像，然后采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；再基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；这样，可以确定出对该待处理图像对应的原始图像进行压缩得到该待处理图像时使用的质量参数，然后将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。从而可以实现对噪声图像进行去噪处理。由于该目标质量参数对应的图像去噪模型是采用与该目标质量参数对应的图像样本来训练的，并且，由于该图像去噪模型是与该待处理图像的质量参数对应的，因此，得到的图像去噪模型更适用于对该待处理图像进行去噪，使得去噪效果更好。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例所述的图像处理方法的步骤，例如，可以实现以下步骤：
获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；
将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个质量参数对应一个图像去噪模型，与目标质量参数对应的图像去噪模型，是基于原图样本以及采用目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
本发明实施例提供的一种计算机可读存储介质，可以先获取待处理图像，然后采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；再基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；这样，可以确定出对该待处理图像对应的原始图像进行压缩得到该待处理图像时使用的质量参数，然后将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。从而可以实现对噪声图像进行去噪处理。由于该目标质量参数对应的图像去噪模型是采用与该目标质量参数对应的图像样本来训练的，并且，由于该图像去噪模型是与该待处理图像的质量参数对应的，因此，得到的图像去噪模型更适用于对该待处理图像进行去噪，使得去噪效果更好。
本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一实施例所述的图像处理方法的步骤，例如，可以执行以下步骤：
获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；
将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个质量参数对应一个图像去噪模型，与目标质量参数对应的图像去噪模型，是基于原图样本以及采用目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
本发明实施例提供的一种包含指令的计算机程序产品，可以先获取待处理图像，然后采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；再基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；这样，可以确定出对该待处理图像对应的原始图像进行压缩得到该待处理图像时使用的质量参数，然后将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。从而可以实现对噪声图像进行去噪处理。由于该目标质量参数对应的图像去噪模型是采用与该目标质量参数对应的图像样本来训练的，并且，由于该图像去噪模型是与该待处理图像的质量参数对应的，因此，得到的图像去噪模型更适用于对该待处理图像进行去噪，使得去噪效果更好。
本发明实施例还提供了一种计算机程序，当其在计算机上运行时，使得计算机执行上述任一实施例所述的图像处理方法的步骤，例如，可以执行以下步骤：
获取待处理图像，采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；
将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个质量参数对应一个图像去噪模型，与目标质量参数对应的图像去噪模型，是基于原图样本以及采用目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
本发明实施例提供的一种计算机程序，可以先获取待处理图像，然后采用多个质量参数对待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；再基于多个压缩后的待处理图像的数据量、多个质量参数和待处理图像的数据量，从多个质量参数中确定出目标质量参数；这样，可以确定出对该待处理图像对应的原始图像进行压缩得到该待处理图像时使用的质量参数，然后将待处理图像输入至预先设置的与目标质量参数对应的图像去噪模型，得到去噪后的图像。从而可以实现对噪声图像进行去噪处理。由于该目标质量参数对应的图像去噪模型是采用与该目标质量参数对应的图像样本来训练的，并且，由于该图像去噪模型是与该待处理图像的质量参数对应的，因此，得到的图像去噪模型更适用于对该待处理图像进行去噪，使得去噪效果更好。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
获取待处理图像，采用多个质量参数对所述待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
基于所述多个压缩后的待处理图像的数据量、所述多个质量参数和所述待处理图像的数据量，从所述多个质量参数中确定出目标质量参数；
将所述待处理图像输入至预先设置的与所述目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个所述质量参数对应一个图像去噪模型，所述与所述目标质量参数对应的图像去噪模型，是基于原图样本以及采用所述目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个压缩后的待处理图像的数据量、所述多个质量参数和所述待处理图像的数据量，从所述多个质量参数中确定出目标质量参数，包括：
将所述多个压缩后的待处理图像中，数据量与所述待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像；
将与所述目标图像对应的质量参数作为目标质量参数。
3.根据权利要求1所述的方法，其特征在于，所述基于所述多个压缩后的待处理图像的数据量、所述多个质量参数和所述待处理图像的数据量，从所述多个质量参数中确定出目标质量参数，包括：
将所述多个压缩后的待处理图像中，数据量与所述待处理图像的数据量的差值最小的两个压缩后的待处理图像作为目标图像；
基于所述目标图像的数据量、所述目标图像对应的质量参数和所述待处理图像的数据量，采用插值法确定所述待处理图像对应的目标质量参数。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
针对每个质量参数，获取多个采用该质量参数压缩的压缩图像和对应的原始图像；
将所述压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与该质量参数对应的图像去噪模型。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取采用预设质量参数区间的多个质量参数压缩的多个压缩图像和对应的原始图像；
将所述多个压缩图像和对应的原始图像作为训练样本，对预先设置的待训练图像去噪模型进行训练，得到与包含该质量参数的质量参数区间对应的图像去噪模型；
所述将所述待处理图像输入至预先设置的与所述目标质量参数对应的图像去噪模型，得到去噪后的图像，包括：
将所述待处理图像输入至预先设置的与包含该质量参数的质量参数区间对应的图像去噪模型，得到去噪后的图像。
6.一种图像处理装置，其特征在于，所述装置包括：
压缩模块，用于获取待处理图像，采用多个质量参数对所述待处理图像进行压缩，得到多个压缩后的待处理图像，其中，每个压缩后的待处理图像对应一个质量参数；
目标质量参数确定模块，用于基于所述多个压缩后的待处理图像的数据量、所述多个质量参数和所述待处理图像的数据量，从所述多个质量参数中确定出目标质量参数；
去噪模块，用于将所述待处理图像输入至预先设置的与所述目标质量参数对应的图像去噪模型，得到去噪后的图像，其中，每个所述质量参数对应一个图像去噪模型，所述与所述目标质量参数对应的图像去噪模型，是基于原图样本以及采用所述目标质量参数对原图样本压缩后的压缩样本，对预先设置的图像去噪模型进行训练得到的模型。
7.根据权利要求6所述的装置，其特征在于，所述目标质量参数确定模块，具体用于：
将所述多个压缩后的待处理图像中，数据量与所述待处理图像的数据量的差值最小的压缩后的待处理图像作为目标图像；将与所述目标图像对应的质量参数作为目标质量参数。
8.根据权利要求6所述的装置，其特征在于，所述目标质量参数确定模块，具体用于：
将所述多个压缩后的待处理图像中，数据量与所述待处理图像的数据量的差值最小的两个压缩后的待处理图像作为目标图像；
基于所述目标图像的数据量、所述目标图像对应的质量参数和所述待处理图像的数据量，采用插值法确定所述待处理图像对应的目标质量参数。
9.一种电子设备，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使：实现权利要求1～5任一项所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1～5任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911414346.5A CN111091518B (zh) | 2019-12-31 | 2019-12-31 | 一种图像处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911414346.5A CN111091518B (zh) | 2019-12-31 | 2019-12-31 | 一种图像处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111091518A true CN111091518A (zh) | 2020-05-01 |
| CN111091518B CN111091518B (zh) | 2023-05-02 |
Family
ID=70396984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911414346.5A Active CN111091518B (zh) | 2019-12-31 | 2019-12-31 | 一种图像处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111091518B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020140693A1 (en) * | 2001-01-17 | 2002-10-03 | Yoshihiro Nakami | Output image adjustment method, apparatus and computer program product for graphics files |
| US20160371857A1 (en) * | 2015-06-18 | 2016-12-22 | Samsung Electronics Co., Ltd. | Image compression and decompression |
| CN107274360A (zh) * | 2017-05-24 | 2017-10-20 | 南京师范大学 | 一种基于Fisher字典学习、低秩表示的高光谱图像去噪方法 |
| CN107507255A (zh) * | 2017-09-20 | 2017-12-22 | 携程旅游网络技术（上海）有限公司 | 图片压缩质量因子获取方法、系统、设备及存储介质 |
| US20180174052A1 (en) * | 2016-12-15 | 2018-06-21 | WaveOne Inc. | Using generative adversarial networks in compression |
| CN109685206A (zh) * | 2018-09-30 | 2019-04-26 | 上海联影医疗科技有限公司 | 生成用于图像处理的神经网络模型的系统和方法 |
| CN110163827A (zh) * | 2019-05-28 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 图像去噪模型的训练方法、图像去噪方法、装置及介质 |
| CN110458784A (zh) * | 2019-08-31 | 2019-11-15 | 杭州当虹科技股份有限公司 | 一种基于图像感知质量的去压缩噪声方法 |
-
2019
- 2019-12-31 CN CN201911414346.5A patent/CN111091518B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020140693A1 (en) * | 2001-01-17 | 2002-10-03 | Yoshihiro Nakami | Output image adjustment method, apparatus and computer program product for graphics files |
| US20160371857A1 (en) * | 2015-06-18 | 2016-12-22 | Samsung Electronics Co., Ltd. | Image compression and decompression |
| US20180174052A1 (en) * | 2016-12-15 | 2018-06-21 | WaveOne Inc. | Using generative adversarial networks in compression |
| CN107274360A (zh) * | 2017-05-24 | 2017-10-20 | 南京师范大学 | 一种基于Fisher字典学习、低秩表示的高光谱图像去噪方法 |
| CN107507255A (zh) * | 2017-09-20 | 2017-12-22 | 携程旅游网络技术（上海）有限公司 | 图片压缩质量因子获取方法、系统、设备及存储介质 |
| CN109685206A (zh) * | 2018-09-30 | 2019-04-26 | 上海联影医疗科技有限公司 | 生成用于图像处理的神经网络模型的系统和方法 |
| CN110163827A (zh) * | 2019-05-28 | 2019-08-23 | 腾讯科技（深圳）有限公司 | 图像去噪模型的训练方法、图像去噪方法、装置及介质 |
| CN110458784A (zh) * | 2019-08-31 | 2019-11-15 | 杭州当虹科技股份有限公司 | 一种基于图像感知质量的去压缩噪声方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZHI JIN等: "A CNN cascade for quality enhancement of compressed depth images" * |
| 夏雨蒙等: "联合结构与纹理特征的无参考图像质量评价方法" * |
| 张清博等: "一种基于深度卷积神经网络的水下光电图像质量优化方法" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111091518B (zh) | 2023-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110211119B (zh) | 图像质量评估方法、装置、电子设备及可读存储介质 | |
| CN110008080A (zh) | 基于时间序列的业务指标异常检测方法、装置和电子设备 | |
| Nasimudeen et al. | Directional switching median filter using boundary discriminative noise detection by elimination | |
| CN109241823B (zh) | 一种基于变分模态分解和支持向量回归的信号预测方法 | |
| CN110689496B (zh) | 降噪模型的确定方法、装置、电子设备和计算机存储介质 | |
| CN109934789B (zh) | 图像去噪方法、装置及电子设备 | |
| CN111696105A (zh) | 视频处理方法、装置和电子设备 | |
| CN111696064A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
| WO2017028047A1 (zh) | 背景模型的提取方法、装置以及图像处理设备 | |
| US20180300587A1 (en) | Method and device for clustering patches of a degraded version of an image | |
| CN111091518A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN112669204B (zh) | 图像处理方法、图像处理模型的训练方法和装置 | |
| US20090257674A1 (en) | Method and system for noise level detection in image data | |
| CN111861931A (zh) | 模型训练、图像增强方法和装置、电子设备及存储介质 | |
| CN112187266A (zh) | 一种模数转换器的非线性校正方法、装置及电子设备 | |
| CN113592724A (zh) | 目标人脸图像的修复方法和装置 | |
| CN111079830A (zh) | 目标任务模型的训练方法、装置和服务器 | |
| CN111860003A (zh) | 基于密集连接深度残差网络的图像去雨方法及系统 | |
| CN108287659B (zh) | 一种基于实时数据流的数据采样方法、装置及电子设备 | |
| CN110996142A (zh) | 视频召回方法及装置、电子设备及存储介质 | |
| CN107748711B (zh) | 自动优化Storm并行度的方法、终端设备及存储介质 | |
| CN114152454B (zh) | 基于ceemdan-cse模型的机械设备故障诊断方法及该模型的建立方法 | |
| Foi et al. | Signal-dependent noise removal in pointwise shape-adaptive DCT domain with locally adaptive variance | |
| US8180169B2 (en) | System and method for multi-scale sigma filtering using quadrature mirror filters | |
| CN115797318A (zh) | 一种光谱数据预处理方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |