(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211071810.7 (22)申请日 2022.09.02 (65)同一申请的已公布的文献号 申请公布号 CN 115147314 A (43)申请公布日 2022.10.04 (73)专利权人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 曾仙芳　富宸　程培　俞刚　傅斌　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 祝亚男 (51)Int.Cl. G06T 5/00(2006.01) G06T 3/60(2006.01) G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)(56)对比文件 CN 113436112 A,2021.09.24 CN 110188776 A,2019.08.3 0 CN 112990390 A,2021.0 6.18 CN 111488865 A,2020.08.04 CN 110490309 A,2019.1 1.22 CN 113724185 A,2021.1 1.30 TW I242759 B,20 05.11.01 文泽奇等.轮廓检测深度学习模型中解码网 络融合方法. 《广西科技大 学学报》 .2021,第32卷 (第4期),第43 -49+57页. 俞刚.基于形态模型的目标跟踪的研究. 《中 国优秀硕士学位 论文全文数据库 信息科技 辑》 .2011,(第1期),第I140 -660页. 马路遥.基 于特征融合注意网络的图像超分 辨率研究. 《中国优秀硕士学位 论文全文数据库 信息科技 辑》 .2021,(第6期),第I138- 587页. 赵一粟.基 于局部多特 征的低分辨 率图像纹 理增强技 术研究. 《电子设计 工程》 .2021,第2 9卷 (第5期),第185 -189页. (续) 审查员 周琼 (54)发明名称 图像处理方法、 装置、 设备以及存 储介质 (57)摘要 本申请公开了一种图像处理方法、 装置、 设 备以及存储介质， 涉及图像处理领域。 该方法包 括： 获取样 本图像和与 样本图像匹配的低质处理 图像； 通过第一候选网络对低质处理图像的指定 特征表现进行特征提取， 得到第一样本特征表 示； 通过第二候选网络对低质处理图像的图像内 容进行特征提取， 得到第二样本特征表示； 基于 第一样本特征表示和第二样本特征表示得到预 测图像； 基于样本图像与预测图像 之间的差异对 第一候选网络进行训练， 得到第一图像处理网 络； 以及， 对第二候选网络进行训练， 得到第二图 像处理网络； 对第一图像处理网络和第二图像处 理网络进行算子融合， 得到目标图像处理网络。提升对图像指定特征表现的提取准确率 以及效 率。 [转续页] 权利要求书2页 说明书22页 附图9页 CN 115147314 B 2022.11.29 CN 115147314 B (56)对比文件 王焱等.结合Reti nex增强的井下图像拼接 方法. 《辽宁 工程技术大学学报(自然科 学版)》 .2015,第34卷(第2期),第2 28-232页. Zhao Zhang等.De ep Color Consistent Network for L ow-Light Ima ge Enhancement.《2022 IEEE/CVF Conference o n Computer Vision and Pat tern Recogn ition (CVPR)》 .2022,第1889-1898页. 程序猿老甘.CVPR202 2Oral专题系列(二)： 多帧图像合成与增强. 《ht tps:// blog.csdn.net/al iexken/article/detai ls/ 126118370》 .202 2,第1页.2/2 页 2[接上页] CN 115147314 B1.一种图像处 理方法， 其特 征在于， 所述方法包括： 获取样本图像和与 所述样本图像匹配的低质处理图像， 所述低质处理图像是对所述样 本图像中的指定特 征表现进行低质处 理得到的图像； 通过第一候选网络对所述低质处理图像的指定特征表现进行特征提取， 得到第 一样本 特征表示； 通过第二候选网络对所述低质处理图像的图像内容进行特征提取， 得到第 二样本特征 表示； 基于所述第 一样本特征表示和所述第 二样本特征表示得到预测图像， 所述预测图像是 对所述低质处 理图像的指定特 征表现进行增强后的图像； 基于所述样本图像与 所述预测图像之间的差异对所述第 一候选网络进行训练， 得到第 一图像处 理网络； 以及， 对所述第二 候选网络进行训练， 得到第二图像处 理网络； 获取所述第 一图像处理网络对应的第 一参数矩阵， 所述第 一参数矩阵用于表示所述指 定特征表现对应的权 重值； 获取所述第 二图像处理网络对应的第 二参数矩阵， 所述第 二参数矩阵用于表示所述低 质处理图像的内容特 征对应的权 重值； 对所述第一 参数矩阵和所述第二 参数矩阵进行合并， 得到目标参数矩阵； 基于所述目标参数矩阵， 得到目标图像处理网络， 所述目标图像处理网络用于对图像 的指定特 征表现进行增强处 理。 2.根据权利要求1所述的方法， 其特征在于， 所述通过第 一候选网络对所述低质处理图 像的指定特 征表现进行 特征提取， 得到第一样本特 征表示， 包括： 通过n个第 一候选网络对所述低质处理图像的指定特征表现进行特征提取， 得到n个第 一样本特 征表示， n 为正整数； 其中， 第i个第一候选网络用于提取得到第i个第一样本特征表示， i为小于或者等于n 的正整数， 且n个第一 候选网络对所述指定特 征表现的提取 方式不同。 3.根据权利要求2所述的方法， 其特 征在于， 所述指定特征表现中包括多个特征表现， 不同第 一候选网络对多个特征表现的提取权 重不同。 4.根据权利要求1至3任一所述的方法， 其特征在于， 所述基于所述第一样本特征表示 和所述第二样本特 征表示得到预测图像， 包括： 对所述第一样本特征表示对应的第 一像素点取值， 和所述第 二样本特征表示对应的第 二像素点取值进行融合， 得到融合特 征表示； 基于所述融合特 征表示确定所述预测图像。 5.根据权利要求1至3任一所述的方法， 其特征在于， 所述对所述第一图像处理网络和 所述第二图像处 理网络进行算子融合， 得到目标图像处 理网络之后， 还 包括： 获取目标图像， 所述目标图像是待 进行指定特 征表现增强的图像； 将所述目标图像输入所述目标图像处理网络， 输出得到特征增强图像， 所述特征增强 图像是对所述目标图像中的指定特 征表现进行增强后的图像。 6.根据权利要求1至3任一所述的方法， 其特征在于， 所述基于所述样本 图像与所述预 测图像之 间的差异对 所述第一候选网络进 行训练， 得到第一图像处理网络； 以及， 对所述第权　利　要　求　书 1/2 页 2 CN 115147314 B 3