技术特征：
1.一种图像处理方法，其特征在于，包括：获取当前待处理图像；将所述当前待处理图像输入预先训练好的图像处理模型中，通过所述图像处理模型对所述当前待处理图像进行处理，得到所述当前待处理图像的目标图像；其中，所述目标图像指代清晰的高分辨率图像；所述图像处理模型预先利用多组训练数据训练得到；所述图像处理模型包括图像超分辨重建子网络和运动去模糊子网络；所述图像超分辨重建子网络包括多个残差单元；每个所述残差单元包括一对具有激活函数以及第一比例因子的对称卷积层和反卷积层，以及第二比例因子；所述第一比例因子与所述第二比例因子的和为1；所述运动去模糊网络采用多层递归结果的深度编码器和解码器构成的框架。2.根据权利要求1所述的方法，其特征在于，所述图像处理模型的训练方法，包括：获取多组所述训练数据；其中，一组所述训练数据包括一张图像的第一图像、第二图像以及第三图像；所述第一图像指代清晰的高分辨率图像；第二图像指代模糊的高分辨率图像；第三图像指代模糊的低分辨率图像；基于adam梯度下降算法，利用各组所述样本图像中的所述第一图像和所述第二图像对所述运动去模糊子网络进行训练；利用各组所述样本图像中的所述第一图像和所述第三图像，对所述图像超分辨重建子网络和所述运动去模糊子网络进行联合训练，得到训练好的所述图像处理模型。3.根据权利要求2所述的方法，其特征在于，所述获取多组所述训练数据，包括：从gopro数据集中获取多组图像数据；其中，每组所述图像数据包括一张图像的所述第一图像以及所述第二图像；分别针对每组所述图像数据，利用插值法对所述图像数据中的所述第二图像进行处理，得到所述第二图像对应的所述第三图像，并将所述第二图像对应的第三图像划分至所述二图像所属的所述图像数据中；按照预设裁剪步长将各组所述图像数据中的图像裁剪成指定大小，得到多组所述训练数据。4.根据权利要求3所述的方法，其特征在于，还包括：从所述gopro数据集和lai数据集中选取多张图像作为验证集；将所述验证集中各张所述图像分别输入所述图像处理模型中进行处理，得到所述验证集中的各张所述图像的所述目标图像；基于验证集中的各种所述图像以及各张所述图像的所述目标图像，计算峰值信噪比以及结构相似性；若所述峰值信噪比以及所述结构相似性均满足对应的预设阈值，则确定所述图像处理模型满足预设标准。5.一种图像处理装置，其特征在于，包括：第一获取单元，用于获取当前待处理图像；第一处理单元，用于将所述当前待处理图像输入预先训练好的图像处理模型中，通过所述图像处理模型对所述当前待处理图像进行处理，得到所述当前待处理图像的目标图像；其中，所述目标图像指代清晰的高分辨率图像；所述图像处理模型预先利用多组训练数据训练得到；所述图像处理模型包括图像超分辨重建子网络和运动去模糊子网络；所述图
像超分辨重建子网络包括多个残差单元；每个所述残差单元包括一对具有激活函数以及第一比例因子的对称卷积层和反卷积层，以及第二比例因子；所述第一比例因子与所述第二比例因子的和为1；所述运动去模糊网络采用多层递归结果的深度编码器和解码器构成的框架。6.根据权利要求5所述的装置，其特征在于，还包括：第二获取单元，用于获取多组所述训练数据；其中，一组所述训练数据包括一张图像的第一图像、第二图像以及第三图像；所述第一图像指代清晰的高分辨率图像；第二图像指代模糊的高分辨率图像；第三图像指代模糊的低分辨率图像；第一训练单元，用于基于adam梯度下降算法，利用各组所述样本图像中的所述第一图像和所述第二图像对所述运动去模糊子网络进行训练；第二训练单元，用于利用各组所述样本图像中的所述第一图像和所述第三图像，对所述图像超分辨重建子网络和所述运动去模糊子网络进行联合训练，得到训练好的所述图像处理模型。7.根据权利要求6所述的装置，其特征在于，所述第二获取单元，包括：数据获取单元，用于从gopro数据集中获取多组图像数据；其中，每组所述图像数据包括一张图像的所述第一图像以及所述第二图像；插值处理单元，用于分别针对每组所述图像数据，利用插值法对所述图像数据中的所述第二图像进行处理，得到所述第二图像对应的所述第三图像，并将所述第二图像对应的第三图像划分至所述二图像所属的所述图像数据中；裁剪单元，用于按照预设裁剪步长将各组所述图像数据中的图像裁剪成指定大小，得到多组所述训练数据。8.根据权利要求7所述的装置，其特征在于，还包括：选取单元，用于从所述gopro数据集和lai数据集中选取多张图像作为验证集；第二处理单元，用于将所述验证集中各张所述图像分别输入所述图像处理模型中进行处理，得到所述验证集中的各张所述图像的所述目标图像；计算单元，用于基于验证集中的各种所述图像以及各张所述图像的所述目标图像，计算峰值信噪比以及结构相似性；确定单元，用于在所述峰值信噪比以及所述结构相似性均满足对应的预设阈值时，确定所述图像处理模型满足预设标准。9.一种电子设备，其特征在于，包括：存储器和处理器；其中，所述存储器用于存储程序；所述处理器用于执行所述程序，所述程序被执行时，具体用于实现如权利要求1至4任意一项所述的图像处理方法。10.一种计算机存储介质，其特征在于，用于存储计算机程序，所述计算机程序被执行时，用于实现如权利要求1至4任意一项所述的图像处理方法。
技术总结
本申请公开了一种图像处理方法及装置、电子设备、存储介质，可应用于人工智能或金融领域，所述方法包括：获取当前待处理图像；将当前待处理图像输入预先训练好的图像处理模型中，通过图像处理模型对当前待处理图像进行处理，得到当前待处理图像的目标图像；其中，目标图像指代清晰的高分辨率图像；图像处理模型预先利用多组训练数据训练得到；图像处理模型包括图像超分辨重建子网络和运动去模糊子网络；图像超分辨重建子网络包括多个残差单元；每个残差单元包括一对具有激活函数以及第一比例因子的对称卷积层和反卷积层，以及第二比例因子；第一比例因子与第二比例因子的和为1；运动去模糊网络采用多层递归结果的深度编码器和解码器构成的框架。解码器构成的框架。解码器构成的框架。
技术研发人员：秦家钧
受保护的技术使用者：中国银行股份有限公司
技术研发日：2022.07.18
技术公布日：2022/10/11