[发明专利]基于深度学习的图像去网格方法及装置

摘要

本发明公开了一种基于深度学习的图像去网格方法及装置，通过网格模板在线构造网格图像，生成与网格模板相对应的多类别网格数据，并将多类别网格数据作为训练数据分别训练分类网络和全卷积网络；使用训练好的分类网络对待去除网格图像进行分类处理，并根据分类处理的结果，利用训练好的全卷积网络对分类好的待去除网格图像进行去网格处理。本发明提供的基于深度学习的图像去网格方法及装置，将全总卷积网络作为训练网络，通过训练好的总卷积网络对待去除网格图像进行去网格处理，学习相关参数；并通过训练好的分类网络事先对待去除网格图像进行分类处理，再由对应的训练好的总卷积网络对分类好的待去除网格图像进行相应去网格处理，去网格效果佳。

主权项

1.一种基于深度学习的图像去网格方法，其特征在于，包括步骤：提取多张原始网格图像中大小不同的网格，构建出与所述网格的类型相对应的多种网格模板；采用所述多种网格模板在线构造网格图像，生成与所述网格模板相对应的多类别网格数据；将生成的所述多类别网格数据作为训练数据来分别训练分类网络和全卷积网络；使用训练好的所述分类网络对待去除网格图像进行分类处理；并根据所述分类的结果，使用训练好的所述全卷积网络对分类好的所述待去除网格图像进行去网格处理；所述提取多张原始网格图像中大小不同的网格，构建出与所述网格的类型相对应的多种网格模板的步骤包括：提取已收集的多张所述原始网格图像中的不同网格，获取提取的所述网格的像素大小；根据获取的所述网格的像素大小，对所述网格进行分类，将所述网格划分成多种类型，并构建与所述网格的类型相对应的网格模板；所述采用所述多种网格模板在线构造网格图像，生成与所述网格模板相对应的多类别网格数据的步骤包括：将所述多种网格模板叠加于未加网格图像中，在线构造对应的网格图像；整合所述未加网格图像和所述网格图像以形成训练图像映射对，并将形成的所述训练图像映射对作为多类别网格数据；所述分类网络包括二分类网络，所述多类别网格数据包括细网格数据和粗网格数据，所述将生成的所述多类别网格数据作为训练数据来分别训练分类网络和全卷积网络的步骤包括：将所述细网格数据和所述粗网格数据作为训练数据来训练所述二分类网络，将训练好的所述二分类网络作为二分类网络模型；将所述细网格数据和所述粗网格数据作为训练数据来训练所述全卷积网络，将训练好的所述全卷积网络作为对应的全卷积网络模型；所述使用训练好的所述分类网络对待去除网格图像进行分类处理；并根据所述分类的结果，使用训练好的所述全卷积网络对分类好的所述待去除网格图像进行去网格处理的步骤包括：采用所述分类网络对所述待去除网格图像进行分类处理，判断所述待去除网格图像的网络模式；根据判断出的所述网络模式，将所述待去除网格图像输送到对应的全卷积网络模型中，以得到去网格后的去网格图像。