JP2022504890A - 画像処理方法及びその装置、電子機器並びに記憶媒体 - Google Patents
画像処理方法及びその装置、電子機器並びに記憶媒体 Download PDFInfo
- Publication number
- JP2022504890A JP2022504890A JP2021520387A JP2021520387A JP2022504890A JP 2022504890 A JP2022504890 A JP 2022504890A JP 2021520387 A JP2021520387 A JP 2021520387A JP 2021520387 A JP2021520387 A JP 2021520387A JP 2022504890 A JP2022504890 A JP 2022504890A
- Authority
- JP
- Japan
- Prior art keywords
- image
- raindrop
- processing
- raindrops
- module
- 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.)
- Ceased
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 122
- 239000002245 particle Substances 0.000 claims abstract description 114
- 230000008569 process Effects 0.000 claims abstract description 81
- 238000011282 treatment Methods 0.000 claims abstract description 78
- 238000012545 processing Methods 0.000 claims description 230
- 230000002787 reinforcement Effects 0.000 claims description 28
- 230000004927 fusion Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 19
- 238000007499 fusion processing Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 8
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 239000010419 fine particle Substances 0.000 description 7
- 239000011362 coarse particle Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003014 reinforcing effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 208000033748 Device issues Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
本願は、2019年08月30日に中国特許局に提出された、出願番号がCN201910818055.6であり、出願名称が「画像処理方法及びその装置、電子機器並びに記憶媒体」である中国特許出願に基づく優先権を主張し、該中国特許出願の全内容が参照として本願に組み込まれる。
雨滴付き画像に対して、異なる粒度の雨滴の漸進的除去処理を行い、雨滴除去処理された画像を得ることであって、前記異なる粒度の雨滴の漸進的除去処理は、少なくとも、第1粒度処理及び第2粒度処理を含む、ことと、
前記雨滴除去処理された画像と、前記第1粒度処理で得られた処理されるべき画像と、を融合処理し、雨滴が除去されたターゲット画像を得ることと、を含む。
前記雨滴付き画像に対して前記第1粒度処理を行い、前記処理されるべき画像を得ることであって、前記処理されるべき画像は、雨滴特徴情報を含む、ことと、
前記処理されるべき画像に対して第2粒度処理を行い、前記雨滴特徴情報に基づいて、前記処理されるべき画像における画素点に対して雨滴類似度比較を行い、前記雨滴除去処理された画像を得ることであって、前記雨滴除去処理された画像は、雨滴を除去した後に保留された雨滴無し領域情報を含む、ことと、を含む。
前記雨滴付き画像に対して集約的残差処理及びダウンサンプリング処理を行い、雨滴の局所的特徴情報を得ることと、
前記雨滴の局所的特徴情報に対して領域ノイズ低減処理及びアップサンプリング処理を行い、雨滴の全体的特徴情報を得ることと、
前記雨滴の局所的特徴情報及び前記雨滴の全体的特徴情報に基づいて得られた雨滴結果と前記雨滴付き画像との間に残差減算を行い、前記処理されるべき画像を得ることと、を含む。
前記雨滴付き画像を第i層の集約的残差モジュールに入力し、第1中間処理結果を得ることと、
前記第1中間処理結果を第i層のダウンサンプリングモジュールに入力し、局所的特徴マップを得ることと、
前記局所的特徴マップを前記第i+1層の集約的残差モジュールにより処理した後に、前記第i+1層のダウンサンプリングモジュールに入力し、前記第i+1層のダウンサンプリングモジュールによりダウンサンプリング処理を行い、前記雨滴の局所的特徴情報を得ることと、を含み、
前記iは、1以上であって所定値未満である正整数である。
前記雨滴の局所的特徴情報を第j層の領域敏感モジュールに入力し、第2中間処理結果を得ることと、
前記第2中間処理結果を第j層のアップサンプリングモジュールに入力し、全体的補強特徴マップを得ることと、
前記全体的補強特徴マップを前記第j+1層の領域敏感モジュールにより処理した後に前記第j+1層のアップサンプリングモジュールに入力し、前記第j+1層のアップサンプリングモジュールによりアップサンプリング処理を行い、前記雨滴の全体的特徴情報を得ることと、を含み、
前記jは、1以上であって所定値未満である正整数である。
前記処理されるべき画像をコンテキストセマンティックモジュールに入力し、深層セマンティック特徴及び浅層空間的特徴を含むコンテキストセマンティック情報を得ることと、
前記コンテキストセマンティック情報に基づいて分類を行い、前記処理されるべき画像における雨あり領域を認識することであって、前記雨あり領域は、雨滴及び他の非雨滴情報を含む、ことと、
前記雨滴特徴情報に基づいて、前記雨あり領域における画素点に対して雨滴類似度比較を行い、比較結果に基づいて、雨滴が位置する雨滴領域及び雨無し領域を位置決めすることと、
前記雨滴領域における雨滴を除去し、前記雨無し領域の情報を保留した後に、前記雨滴除去処理された画像を得ることと、を含む。
前記処理されるべき画像を畳み込みモジュールに入力して畳み込み処理を行い、前記深層セマンティック特徴を生成するための高次元特徴ベクトルを得ることと、
前記高次元特徴ベクトルを前記コンテキストセマンティックモジュールに入力して多層の集約的残差処理を行い、前記深層セマンティック特徴を得ることと、
各層の集約的残差処理で得られた深層セマンティック特徴と前記浅層空間的特徴に対して融合処理を行い、前記コンテキストセマンティック情報を得ることと、を含む。
前記処理されるべき画像を畳み込みモジュールに入力して畳み込み処理を行った後に、出力結果を得ることと、
前記雨滴除去処理された画像と、前記出力結果と、を融合処理し、前記雨滴が除去されたターゲット画像を得ることと、を含む。
雨滴付き画像に対して、異なる粒度の雨滴の漸進的除去処理を行い、雨滴除去処理された画像を得るように構成される雨滴処理ユニットであって、前記異なる粒度の雨滴の漸進的除去処理は、少なくとも、第1粒度処理及び第2粒度処理を含む、雨滴処理ユニットと、
前記雨滴除去処理された画像と、前記第1粒度処理で得られた処理されるべき画像と、を融合処理し、雨滴が除去されたターゲット画像を得るように構成される融合ユニットと、を備える。
前記雨滴付き画像に対して前記第1粒度処理を行い、前記処理されるべき画像を得ることであって、前記処理されるべき画像は、雨滴特徴情報を含む、ことと、
前記処理されるべき画像に対して第2粒度処理を行い、前記雨滴特徴情報に基づいて、前記処理されるべき画像における画素点に対して雨滴類似度比較を行い、前記雨滴除去処理された画像を得ることであって、前記雨滴除去処理された画像は、雨滴を除去した後に保留された雨滴無し領域情報を含む、ことと、を実行するように構成される。
前記雨滴付き画像に対して集約的残差処理及びダウンサンプリング処理を行い、雨滴の局所的特徴情報を得、
前記雨滴の局所的特徴情報に対して領域ノイズ低減処理及びアップサンプリング処理を行い、雨滴の全体的特徴情報を得、
前記雨滴の局所的特徴情報及び前記雨滴の全体的特徴情報に基づいて得られた雨滴結果と前記雨滴付き画像との間に残差減算を行い、前記処理されるべき画像を得るように構成される。
前記雨滴付き画像を第i層の集約的残差モジュールに入力し、第1中間処理結果を得、
前記第1中間処理結果を第i層のダウンサンプリングモジュールに入力し、局所的特徴マップを得、
前記局所的特徴マップを前記第i+1層の集約的残差モジュールにより処理した後に、前記第i+1層のダウンサンプリングモジュールに入力し、前記第i+1層のダウンサンプリングモジュールによりダウンサンプリング処理を行い、前記雨滴の局所的特徴情報を得るように構成され、
前記iは、1以上であって所定値未満である正整数である。
前記雨滴の局所的特徴情報を第j層の領域敏感モジュールに入力し、第2中間処理結果を得、
前記第2中間処理結果を第j層のアップサンプリングモジュールに入力し、全体的補強特徴マップを得、
前記全体的補強特徴マップを前記第j+1層の領域敏感モジュールにより処理した後に前記第j+1層のアップサンプリングモジュールに入力し、前記第j+1層のアップサンプリングモジュールによりアップサンプリング処理を行い、前記雨滴の全体的特徴情報を得るように構成され、
前記jは、1以上であって所定値未満である正整数である。
前記処理されるべき画像をコンテキストセマンティックモジュールに入力し、深層セマンティック特徴及び浅層空間的特徴を含むコンテキストセマンティック情報を得ることと、
前記コンテキストセマンティック情報に基づいて分類を行い、前記処理されるべき画像における雨あり領域を認識することであって、前記雨あり領域は、雨滴及び他の非雨滴情報を含む、ことと、
前記雨滴特徴情報に基づいて、前記雨あり領域における画素点に対して雨滴類似度比較を行い、比較結果に基づいて、雨滴が位置する雨滴領域及び雨無し領域を位置決めすることと、
前記雨滴領域における雨滴を除去し、前記雨無し領域の情報を保留した後に、前記雨滴除去処理された画像を得ることと、を実行するように構成される。
前記処理されるべき画像を畳み込みモジュールに入力して畳み込み処理を行い、前記深層セマンティック特徴を生成するための高次元特徴ベクトルを得、
前記高次元特徴ベクトルを前記コンテキストセマンティックモジュールに入力して多層の集約的残差処理を行い、前記深層セマンティック特徴を得、
各層の集約的残差処理で得られた深層セマンティック特徴と前記浅層空間的特徴に対して融合処理を行い、前記コンテキストセマンティック情報を得るように構成される。
前記処理されるべき画像を畳み込みモジュールに入力して畳み込み処理を行った後に、出力結果を得、
前記雨滴除去処理された画像と、前記出力結果と、を融合処理し、前記雨滴が除去されたターゲット画像を得るように構成される。
プロセッサと、
プロセッサによる実行可能な命令を記憶するように構成されるメモリと、を備え、
前記プロセッサは、上記画像処理方法を実行するように構成される。
図3は、本願の実施例による画像処理方法を示すもう1つのフローチャートである。図3に示すように、粗粒度の雨滴除去段階及び細粒度雨滴除去段階を含む漸進的処理方式で、画像における雨滴を除去し、雨除去を漸進的に学習するプロセスを行う。ここで、粗粒度の雨滴除去段階で、領域敏感モジュールにより局所的-全体的特徴に対して融合を行い、粗粒度雨滴の特徴情報をマイニングすることができる。細粒度雨滴除去段階において、コンテキストセマンティックモジュールにより、細粒度の雨滴を除去すると同時に、画像の細部情報を損傷しないように保護することができる。図3に示すように、本願の画像処理方法は、下記2つの段階を含む。
本段階で、雨滴付き画像を入力し、続いて、粗粒度の雨滴画像を生成し、更に、雨滴付き画像と、生成された雨滴画像と、を残差減算し、粗粒度雨滴を除去するという目的を達成することができる。該段階は、主に、集約的残差モジュール、アップサンプリング操作、ダウンサンプリング操作及び領域敏感モジュールを含む。図3に示すように、該段階は、主に下記4つのステップを含む。
及び
は、それぞれ、第rブロックの領域において、対応する出力特徴マップの第i番目の位置情報及び入力特徴マップの第i番目の位置情報を表す。
は、第rブロックの領域における入力特徴マップの第j番目の位置情報を表す。C()は、正規化操作を表し、例えば、
である。f( )及びg( )はいずれも畳み込みニューラルネットワークを表す。該畳み込みニューラルネットワークの処理は、1*1の畳み込み操作であってもよい。
(1)
本段階は、残留した細粒度雨滴を除去すると同時に、画像の雨無し領域の細部特徴を保留する。該段階は、一般的な畳み込み操作及びコンテキストセマンティックモジュールを含む。該コンテキストセマンティックモジュールは、一連の集約的残差モジュール及び融合モジュールを備える。図3に示すように、該段階のアルゴリズムは主に下記3つのステップに分けられる。
Claims (23)
- 画像処理方法であって、
雨滴付き画像に対して、異なる粒度の雨滴の漸進的除去処理を行い、雨滴除去処理された画像を得ることであって、前記異なる粒度の雨滴の漸進的除去処理は、少なくとも、第1粒度処理及び第2粒度処理を含む、ことと、
前記雨滴除去処理された画像と、前記第1粒度処理で得られた処理されるべき画像と、を融合処理し、雨滴が除去されたターゲット画像を得ることと、を含む、画像処理方法。 - 前記雨滴付き画像に対して、異なる粒度の雨滴の漸進的除去処理を行い、前記雨滴除去処理された画像を得ることは、
前記雨滴付き画像に対して前記第1粒度処理を行い、前記処理されるべき画像を得ることであって、前記処理されるべき画像は、雨滴特徴情報を含む、ことと、
前記処理されるべき画像に対して第2粒度処理を行い、前記雨滴特徴情報に基づいて、前記処理されるべき画像における画素点に対して雨滴類似度比較を行い、前記雨滴除去処理された画像を得ることであって、前記雨滴除去処理された画像は、雨滴を除去した後に保留された雨滴無し領域情報を含む、ことと、を含むことを特徴とする
請求項1に記載の画像処理方法。 - 前記雨滴付き画像に対して前記第1粒度処理を行い、前記処理されるべき画像を得ることは、
前記雨滴付き画像に対して集約的残差処理及びダウンサンプリング処理を行い、雨滴の局所的特徴情報を得ることと、
前記雨滴の局所的特徴情報に対して領域ノイズ低減処理及びアップサンプリング処理を行い、雨滴の全体的特徴情報を得ることと、
前記雨滴の局所的特徴情報及び前記雨滴の全体的特徴情報に基づいて得られた雨滴結果と前記雨滴付き画像との間に残差減算を行い、前記処理されるべき画像を得ることと、を含むことを特徴とする
請求項2に記載の画像処理方法。 - 前記雨滴結果は、前記雨滴の局所的特徴情報及び前記雨滴の全体的特徴情報に基づいて残差融合を行うことで得られた処理結果を含むことを特徴とする
請求項3に記載の画像処理方法。 - 前記雨滴付き画像に対して集約的残差処理及びダウンサンプリング処理を行い、雨滴の局所的特徴情報を得ることは、
前記雨滴付き画像を第i層の集約的残差モジュールに入力し、第1中間処理結果を得ることと、
前記第1中間処理結果を第i層のダウンサンプリングモジュールに入力し、局所的特徴マップを得ることと、
前記局所的特徴マップを前記第i+1層の集約的残差モジュールにより処理した後に、前記第i+1層のダウンサンプリングモジュールに入力し、前記第i+1層のダウンサンプリングモジュールによりダウンサンプリング処理を行い、前記雨滴の局所的特徴情報を得ることと、を含み、
前記iは、1以上であって所定値未満である正整数であることを特徴とする
請求項3又は4に記載の画像処理方法。 - 可能な実現形態において、前記雨滴の局所的特徴情報に対して領域ノイズ低減処理及びアップサンプリング処理を行い、雨滴の全体的特徴情報を得ることは、
前記雨滴の局所的特徴情報を第j層の領域敏感モジュールに入力し、第2中間処理結果を得ることと、
前記第2中間処理結果を第j層のアップサンプリングモジュールに入力し、全体的補強特徴マップを得ることと、
前記全体的補強特徴マップを前記第j+1層の領域敏感モジュールにより処理した後に前記第j+1層のアップサンプリングモジュールに入力し、前記第j+1層のアップサンプリングモジュールによりアップサンプリング処理を行い、前記雨滴の全体的特徴情報を得ることと、を含み、
前記jは、1以上であって所定値未満である正整数であることを特徴とする
請求項3~5のうちいずれか一項に記載の画像処理方法。 - 前記第i+1層のダウンサンプリングモジュールによりダウンサンプリング処理を行い、前記雨滴の局所的特徴情報を得ることは、前記第i+1層のダウンサンプリングモジュールにおいて、局所的畳み込みカーネルを用いて畳み込み操作を行い、前記雨滴の局所的特徴情報を得ることを含むことを特徴とする
請求項5に記載の画像処理方法。 - 前記処理されるべき画像に対して前記第2粒度処理を行い、前記雨滴特徴情報に基づいて、前記処理されるべき画像における画素点に対して雨滴類似度比較を行い、前記雨滴除去処理された画像を得ることは、
前記処理されるべき画像をコンテキストセマンティックモジュールに入力し、深層セマンティック特徴及び浅層空間的特徴を含むコンテキストセマンティック情報を得ることと、
前記コンテキストセマンティック情報に基づいて分類を行い、前記処理されるべき画像における雨あり領域を認識することであって、前記雨あり領域は、雨滴及び他の非雨滴情報を含む、ことと、
前記雨滴特徴情報に基づいて、前記雨あり領域における画素点に対して雨滴類似度比較を行い、比較結果に基づいて、雨滴が位置する雨滴領域及び雨無し領域を位置決めすることと、
前記雨滴領域における雨滴を除去し、前記雨無し領域の情報を保留した後に、前記雨滴除去処理された画像を得ることと、を含むことを特徴とする
請求項2~7のうちいずれか一項に記載の画像処理方法。 - 前記処理されるべき画像をコンテキストセマンティックモジュールに入力し、深層セマンティック特徴及び浅層空間的特徴を含むコンテキストセマンティック情報を得ることは、
前記処理されるべき画像を畳み込みモジュールに入力して畳み込み処理を行い、前記深層セマンティック特徴を生成するための高次元特徴ベクトルを得ることと、
前記高次元特徴ベクトルを前記コンテキストセマンティックモジュールに入力して多層の集約的残差処理を行い、前記深層セマンティック特徴を得ることと、
各層の集約的残差処理で得られた深層セマンティック特徴と前記浅層空間的特徴に対して融合処理を行い、前記コンテキストセマンティック情報を得ることと、を含むことを特徴とする
請求項8に記載の画像処理方法。 - 前記雨滴除去処理された画像と、前記第1粒度処理で得られた処理されるべき画像と、を融合処理し、雨滴が除去されたターゲット画像を得ることは、
前記処理されるべき画像を畳み込みモジュールに入力して畳み込み処理を行った後に、出力結果を得ることと、
前記雨滴除去処理された画像と、前記出力結果と、を融合処理し、前記雨滴が除去されたターゲット画像を得ることと、を含むことを特徴とする
請求項1~9のうちいずれか一項に記載の画像処理方法。 - 画像処理装置であって、
雨滴付き画像に対して、異なる粒度の雨滴の漸進的除去処理を行い、雨滴除去処理された画像を得るように構成される雨滴処理ユニットであって、前記異なる粒度の雨滴の漸進的除去処理は、少なくとも、第1粒度処理及び第2粒度処理を含む、雨滴処理ユニットと、
前記雨滴除去処理された画像と、前記第1粒度処理で得られた処理されるべき画像と、を融合処理し、雨滴が除去されたターゲット画像を得るように構成される融合ユニットと、を備える、画像処理装置。 - 前記雨滴処理ユニットは、
前記雨滴付き画像に対して前記第1粒度処理を行い、前記処理されるべき画像を得ることであって、前記処理されるべき画像は、雨滴特徴情報を含む、ことと、
前記処理されるべき画像に対して第2粒度処理を行い、前記雨滴特徴情報に基づいて、前記処理されるべき画像における画素点に対して雨滴類似度比較を行い、前記雨滴除去処理された画像を得ることであって、前記雨滴除去処理された画像は、雨滴を除去した後に保留された雨滴無し領域情報を含む、ことと、を実行するように構成されることを特徴とする
請求項11に記載の画像処理装置。 - 前記雨滴処理ユニットは、
前記雨滴付き画像に対して集約的残差処理及びダウンサンプリング処理を行い、雨滴の局所的特徴情報を得、
前記雨滴の局所的特徴情報に対して領域ノイズ低減処理及びアップサンプリング処理を行い、雨滴の全体的特徴情報を得、
前記雨滴の局所的特徴情報及び前記雨滴の全体的特徴情報に基づいて得られた雨滴結果と前記雨滴付き画像との間に残差減算を行い、前記処理されるべき画像を得るように構成されることを特徴とする
請求項12に記載の画像処理装置。 - 前記雨滴結果は、前記雨滴の局所的特徴情報及び前記雨滴の全体的特徴情報に基づいて残差融合を行うことで得られた処理結果を含むことを特徴とする
請求項13に記載の画像処理装置。 - 前記雨滴処理ユニットは、
前記雨滴付き画像を第i層の集約的残差モジュールに入力し、第1中間処理結果を得、
前記第1中間処理結果を第i層のダウンサンプリングモジュールに入力し、局所的特徴マップを得、
前記局所的特徴マップを前記第i+1層の集約的残差モジュールにより処理した後に、前記第i+1層のダウンサンプリングモジュールに入力し、前記第i+1層のダウンサンプリングモジュールによりダウンサンプリング処理を行い、前記雨滴の局所的特徴情報を得るように構成され、
前記iは、1以上であって所定値未満である正整数であることを特徴とする
請求項13又は14に記載の画像処理装置。 - 前記雨滴処理ユニットは、
前記雨滴の局所的特徴情報を第j層の領域敏感モジュールに入力し、第2中間処理結果を得、
前記第2中間処理結果を第j層のアップサンプリングモジュールに入力し、全体的補強特徴マップを得、
前記全体的補強特徴マップを前記第j+1層の領域敏感モジュールにより処理した後に前記第j+1層のアップサンプリングモジュールに入力し、前記第j+1層のアップサンプリングモジュールによりアップサンプリング処理を行い、前記雨滴の全体的特徴情報を得るように構成され、
前記jは、1以上であって所定値未満である正整数であることを特徴とする
請求項13~15のうちいずれか一項に記載の画像処理装置。 - 前記雨滴処理ユニットは、前記第i+1層のダウンサンプリングモジュールにおいて、局所的畳み込みカーネルを用いて畳み込み操作を行い、前記雨滴の局所的特徴情報を得るように構成されることを特徴とする
請求項15に記載の画像処理装置。 - 前記雨滴処理ユニットは、
前記処理されるべき画像をコンテキストセマンティックモジュールに入力し、深層セマンティック特徴及び浅層空間的特徴を含むコンテキストセマンティック情報を得ることと、
前記コンテキストセマンティック情報に基づいて分類を行い、前記処理されるべき画像における雨あり領域を認識することであって、前記雨あり領域は、雨滴及び他の非雨滴情報を含む、ことと、
前記雨滴特徴情報に基づいて、前記雨あり領域における画素点に対して雨滴類似度比較を行い、比較結果に基づいて、雨滴が位置する雨滴領域及び雨無し領域を位置決めすることと、
前記雨滴領域における雨滴を除去し、前記雨無し領域の情報を保留した後に、前記雨滴除去処理された画像を得ることと、を実行するように構成されることを特徴とする
請求項12~17のうちいずれか一項に記載の画像処理装置。 - 前記雨滴処理ユニットは、
前記処理されるべき画像を畳み込みモジュールに入力して畳み込み処理を行い、前記深層セマンティック特徴を生成するための高次元特徴ベクトルを得、
前記高次元特徴ベクトルを前記コンテキストセマンティックモジュールに入力して多層の集約的残差処理を行い、前記深層セマンティック特徴を得、
各層の集約的残差処理で得られた深層セマンティック特徴と前記浅層空間的特徴に対して融合処理を行い、前記コンテキストセマンティック情報を得るように構成されることを特徴とする
請求項18に記載の画像処理装置。 - 前記融合ユニットは、
前記処理されるべき画像を畳み込みモジュールに入力して畳み込み処理を行った後に、出力結果を得、
前記雨滴除去処理された画像と、前記出力結果と、を融合処理し、前記雨滴が除去されたターゲット画像を得るように構成されることを特徴とする
請求項11~19のうちいずれか一項に記載の画像処理装置。 - 電子機器であって、
プロセッサと、
プロセッサによる実行可能な命令を記憶するように構成されるメモリと、を備え、
前記プロセッサは、請求項1から10のうちいずれか一項に記載の方法を実行するように構成される、電子機器。 - コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体には、コンピュータプログラム命令が記憶されており、前記コンピュータプログラム命令がプロセッサにより実行されるときに、プロセッサに請求項1から10のうちいずれか一項に記載の方法を実現させる、コンピュータ可読記憶媒体。
- コンピュータプログラムであって、前記コンピュータプログラムは、コンピュータ可読コードを含み、前記コンピュータ可読コードが電子機器で実行されるときに、前記電子機器におけるプロセッサに、請求項1から10のうちいずれか一項に記載の方法を実行させる、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910818055.6 | 2019-08-30 | ||
CN201910818055.6A CN110544217B (zh) | 2019-08-30 | 2019-08-30 | 一种图像处理方法及装置、电子设备和存储介质 |
PCT/CN2019/105628 WO2021035812A1 (zh) | 2019-08-30 | 2019-09-12 | 一种图像处理方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022504890A true JP2022504890A (ja) | 2022-01-13 |
Family
ID=68711141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021520387A Ceased JP2022504890A (ja) | 2019-08-30 | 2019-09-12 | 画像処理方法及びその装置、電子機器並びに記憶媒体 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210248718A1 (ja) |
JP (1) | JP2022504890A (ja) |
KR (1) | KR102463101B1 (ja) |
CN (1) | CN110544217B (ja) |
SG (1) | SG11202105585PA (ja) |
TW (1) | TWI759647B (ja) |
WO (1) | WO2021035812A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111223039A (zh) * | 2020-01-08 | 2020-06-02 | 广东博智林机器人有限公司 | 图像风格转换方法、装置、电子设备及存储介质 |
US11508037B2 (en) * | 2020-03-10 | 2022-11-22 | Samsung Electronics Co., Ltd. | Systems and methods for image denoising using deep convolutional networks |
CN112085680B (zh) * | 2020-09-09 | 2023-12-12 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN111932594B (zh) * | 2020-09-18 | 2023-12-19 | 西安拙河安见信息科技有限公司 | 一种基于光流的十亿像素视频对齐方法及装置、介质 |
CN112329610B (zh) * | 2020-11-03 | 2024-07-12 | 中科九度(北京)空间信息技术有限责任公司 | 一种基于边缘注意力机制融合网络的高压线检测方法 |
CN113160078B (zh) * | 2021-04-09 | 2023-01-24 | 长安大学 | 雨天交通车辆图像去雨方法、装置、设备及可读存储介质 |
CN114067389A (zh) * | 2021-10-19 | 2022-02-18 | 中国科学院深圳先进技术研究院 | 一种面部表情的分类方法和电子设备 |
CN114004838B (zh) * | 2022-01-04 | 2022-04-12 | 深圳比特微电子科技有限公司 | 目标类别识别方法、训练方法及可读存储介质 |
CN116958759A (zh) * | 2022-04-12 | 2023-10-27 | 中兴通讯股份有限公司 | 图像处理方法、装置、设备、存储介质和程序产品 |
CN114648668A (zh) * | 2022-05-18 | 2022-06-21 | 浙江大华技术股份有限公司 | 目标对象的属性分类方法、设备及计算机可读存储介质 |
CN115331083B (zh) * | 2022-10-13 | 2023-03-24 | 齐鲁工业大学 | 基于逐步密集特征融合去雨网络的图像去雨方法及*** |
CN115937049B (zh) * | 2023-02-23 | 2023-05-26 | 华中科技大学 | 去雨模型轻量化方法、***、设备及介质 |
CN117409285B (zh) * | 2023-12-14 | 2024-04-05 | 先临三维科技股份有限公司 | 图像检测方法、装置及电子设备 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009100119A (ja) * | 2007-10-15 | 2009-05-07 | Mitsubishi Electric Corp | 画像処理装置 |
CN101706780A (zh) * | 2009-09-03 | 2010-05-12 | 北京交通大学 | 一种基于视觉注意力模型的图像语义检索方法 |
KR101591576B1 (ko) * | 2010-11-15 | 2016-02-03 | 인디안 인스티튜트 오브 테크놀로지, 카라그푸르 | 시간적-시공간적 성질을 이용해 비디오에서 빗방울을 탐지제거하는 방법 및 장치 |
KR101267279B1 (ko) * | 2011-10-24 | 2013-05-24 | 아이브스테크놀러지(주) | 영상에서 비를 제거하기 위한 영상 처리 장치 및 방법 |
TWI480810B (zh) * | 2012-03-08 | 2015-04-11 | Ind Tech Res Inst | 基於單一影像的影像內雨紋去除方法與裝置 |
TWI494899B (zh) * | 2012-12-19 | 2015-08-01 | Ind Tech Res Inst | 影像內週期性雜訊修補方法 |
CN105139344B (zh) * | 2015-06-12 | 2018-06-22 | 中国科学院深圳先进技术研究院 | 基于频域及相位一致性的单幅图像去除雨滴影响的方法和*** |
TWI607901B (zh) * | 2015-11-06 | 2017-12-11 | 財團法人工業技術研究院 | 影像修補系統及其方法 |
CN107657593B (zh) * | 2017-04-20 | 2021-07-27 | 湘潭大学 | 一种单幅图像去雨方法 |
CN107240084B (zh) * | 2017-06-14 | 2021-04-02 | 湘潭大学 | 一种单幅图像去雨方法及装置 |
CN108520501B (zh) * | 2018-03-30 | 2020-10-27 | 西安交通大学 | 一种基于多尺度卷积稀疏编码的视频去雨雪方法 |
CN108765327B (zh) * | 2018-05-18 | 2021-10-29 | 郑州国测智能科技有限公司 | 一种基于景深和稀疏编码的图像去雨方法 |
CN108921799B (zh) * | 2018-06-22 | 2021-07-23 | 西北工业大学 | 基于多尺度协同学习卷积神经网络的遥感图像薄云去除方法 |
CN109087258B (zh) * | 2018-07-27 | 2021-07-20 | 中山大学 | 一种基于深度学习的图像去雨方法及装置 |
CN109102475B (zh) * | 2018-08-13 | 2021-03-09 | 苏州飞搜科技有限公司 | 一种图像去雨方法及装置 |
CN109360155B (zh) * | 2018-08-17 | 2020-10-13 | 上海交通大学 | 基于多尺度特征融合的单帧图像去雨方法 |
CN110047041B (zh) * | 2019-03-04 | 2023-05-09 | 辽宁师范大学 | 一种空—频域联合的交通监控视频去雨方法 |
CN110009580B (zh) * | 2019-03-18 | 2023-05-12 | 华东师范大学 | 基于图片块雨滴密集度的单张图片双向去雨方法 |
CN110111268B (zh) * | 2019-04-18 | 2021-08-03 | 上海师范大学 | 基于暗通道和模糊宽度学习的单幅图像去雨方法及装置 |
-
2019
- 2019-08-30 CN CN201910818055.6A patent/CN110544217B/zh active Active
- 2019-09-12 JP JP2021520387A patent/JP2022504890A/ja not_active Ceased
- 2019-09-12 SG SG11202105585PA patent/SG11202105585PA/en unknown
- 2019-09-12 WO PCT/CN2019/105628 patent/WO2021035812A1/zh active Application Filing
- 2019-09-12 KR KR1020217010571A patent/KR102463101B1/ko active IP Right Grant
- 2019-11-13 TW TW108141129A patent/TWI759647B/zh active
-
2021
- 2021-04-27 US US17/241,625 patent/US20210248718A1/en not_active Abandoned
Non-Patent Citations (1)
Title |
---|
JIANBO JIAO 他: "FormResNet: Formatted Residual Learning for Image Restoration", 2017 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION WORKSHOPS, JPN6022019026, 2017, pages 1034 - 1042, XP033145882, ISSN: 0004774651, DOI: 10.1109/CVPRW.2017.140 * |
Also Published As
Publication number | Publication date |
---|---|
KR102463101B1 (ko) | 2022-11-03 |
SG11202105585PA (en) | 2021-06-29 |
KR20210058887A (ko) | 2021-05-24 |
TWI759647B (zh) | 2022-04-01 |
CN110544217B (zh) | 2021-07-20 |
CN110544217A (zh) | 2019-12-06 |
US20210248718A1 (en) | 2021-08-12 |
TW202109449A (zh) | 2021-03-01 |
WO2021035812A1 (zh) | 2021-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022504890A (ja) | 画像処理方法及びその装置、電子機器並びに記憶媒体 | |
CN111310616B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110348537B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
JP7262659B2 (ja) | 目標対象物マッチング方法及び装置、電子機器並びに記憶媒体 | |
CN111783756B (zh) | 文本识别方法及装置、电子设备和存储介质 | |
JP6986167B2 (ja) | 画像生成方法および装置、電子機器並びに記憶媒体 | |
JP7033674B2 (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
JP7090183B2 (ja) | ビデオ処理方法及び装置、電子機器、並びに記憶媒体 | |
KR20210012004A (ko) | 이미지 처리 방법 및 장치, 전자 기기와 기억 매체 | |
JP2022501686A (ja) | 生体検出方法及び装置、電子機器並びに記憶媒体 | |
CN110532956B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109840917B (zh) | 图像处理方法及装置、网络训练方法及装置 | |
JP2022522551A (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
CN111340048B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
JP7394147B2 (ja) | 画像生成方法及び装置、電子機器並びに記憶媒体 | |
CN109977860B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111414963B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN109920016B (zh) | 图像生成方法及装置、电子设备和存储介质 | |
CN111435422B (zh) | 动作识别方法、控制方法及装置、电子设备和存储介质 | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
WO2022141969A1 (zh) | 图像分割方法及装置、电子设备、存储介质和程序 | |
CN111027617A (zh) | 神经网络训练及图像识别方法、装置、设备和存储介质 | |
CN113313115B (zh) | 车牌属性识别方法及装置、电子设备和存储介质 | |
CN111488964B (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
JP2022508990A (ja) | 顔認識方法及び装置、電子機器、並びに記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210413 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210413 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220502 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220728 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221122 |
|
A045 | Written measure of dismissal of application [lapsed due to lack of payment] |
Free format text: JAPANESE INTERMEDIATE CODE: A045 Effective date: 20230328 |