【技术实现步骤摘要】
图像处理方法及装置
本公开涉及卷积神经网络,尤其涉及一种图像处理方法及装置。
技术介绍
CNN(convolutionalneuralnetwork,卷积神经网络)是近年发展起来,并引起广泛重视的一种高效识别方法。CNN是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元。CNN对于大型图像处理有出色表现,随着移动终端拍照功能的普及,CNN被广泛应用于人脸图像美颜算法中。相关技术中,人脸磨皮算法是美颜算法的核心,用于去除脸部的瑕疵,美化皮肤。目前的人脸磨皮算法大多是基于保边滤波的方法,例如双边滤波和导向滤波等。但这些方法速度比较慢,特别是移动端的计算能力有限。若对双边滤波的人脸磨皮算法进行各种优化以提高计算速度,又会减弱其处理效果。
技术实现思路
为克服相关技术中存在的问题,本公开提供一种图像处理方法及装置。根据本公开实施例的第一方面,提供一种图像处理方法,包括:根据待处理图像,得到所述待处理图像在X方向的第一梯度图和Y方向的第二梯度图;将所述第一梯度图输入第一神经网络,得到处理后的第三梯度图,其中,第一神经网络由获取到的滤波器拟合得到;将所述第二梯度图输入第二神经网络,得到处理后的第四梯度图,其中,第二神经网络由获取到的所述滤波器拟合得到;根据所述待处理图像、所述第三梯度图和所述第四梯度图进行最小化处理,得到结果图像。对于上述方法,在一种可能的实现方式中,根据所述待处理图像、所述第三梯度图和所述第四梯度图进行最小化处理,得到结果图像,包括:根据式1确定结果图像:其中,R表示所述结果图像,Rx表示所述结果图像在X方向的梯度图,Ry表示所述结果图 ...
【技术保护点】
一种图像处理方法,其特征在于,包括:根据待处理图像,得到所述待处理图像在X方向的第一梯度图和Y方向的第二梯度图;将所述第一梯度图输入第一神经网络,得到处理后的第三梯度图;将所述第二梯度图输入第二神经网络,得到处理后的第四梯度图;根据所述待处理图像、所述第三梯度图和所述第四梯度图进行最小化处理,得到结果图像。
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:根据待处理图像,得到所述待处理图像在X方向的第一梯度图和Y方向的第二梯度图;将所述第一梯度图输入第一神经网络,得到处理后的第三梯度图;将所述第二梯度图输入第二神经网络,得到处理后的第四梯度图;根据所述待处理图像、所述第三梯度图和所述第四梯度图进行最小化处理,得到结果图像。2.根据权利要求1所述的方法,其特征在于,根据所述待处理图像、所述第三梯度图和所述第四梯度图进行最小化处理,得到结果图像,包括:根据式1确定结果图像:其中,R表示所述结果图像,Rx表示所述结果图像在X方向的梯度图,Ry表示所述结果图像在X方向的梯度图,β为大于零的第一常数,I表示所述待处理图像,I'x表示所述第三梯度图,I'y表示所述第四梯度图。3.根据权利要求1所述的方法,其特征在于,还包括:获取滤波器和训练图像集合;根据所述滤波器和所述训练图像集合训练得到所述第一神经网络;根据所述滤波器和所述训练图像集合训练得到所述第二神经网络。4.根据权利要求3所述的方法,其特征在于,根据所述滤波器和所述训练图像集合训练得到所述第一神经网络,包括:确定所述训练图像集合中各训练图像在X方向的第五梯度图;根据各所述第五梯度图和所述滤波器确定各训练图像对应的第一样本图;根据式2采用随机梯度下降法训练得到第一神经网络;其中,Ii表示所述训练图像集合中的第i个训练图像,所述训练图像集合为{I1,I2,I3,…,IN},0≤i≤N,且i、N为正整数;F(Ii)x表示Ii对应的第一样本图,表示Ii对应的所述第五梯度图;CNN1(x)表示第一神经网络,表示第一神经网络对应于的第一输出结果;λ表示大于零的第二常数,ε表示大于零的第三常数,表示针对所述第一输出结果的损失函数。5.根据权利要求3所述的方法,其特征在于,根据所述滤波器和所述训练图像集合训练得到所述第二神经网络,包括:确定所述训练图像集合中各训练图像在Y方向的第六梯度图;根据各所述第六梯度图和所述滤波器确定各训练图像对应的第二样本图;根据式3采用随机梯度下降法训练得到第二神经网络;其中,Ii表示所述训练图像集合中的第i个训练图像,所述训练图像集合为{I1,I2,I3,…,IN},0≤i≤N,且i、N为正整数;F(Ii)y表示Ii对应的第二样本图,表示Ii对应的所述第六梯度图;CNN2(x)表示第二神经网络,表示第二神经网络对应于的第二输出结果;λ表示大于零的第二常数,ε表示大于零的第三常数,表示针对第二输出结果的损失函数。6.根据权利要求1至5中任意一项所述的方法,其特征在于,还包括:将第一神经网络和/或第二神经网络中的各卷积核变为离散卷积核。7.一种图像处理装置,其特征在于,包括:第一确定模块,用于根据待处理图像,得到所述待处理图像在X方向的第一梯度图和Y方向的第二梯度图;第二确定模块,用于将所述第一梯度图输入第一神经网络,得到处理后的第三梯度图;第三...
【专利技术属性】
技术研发人员:杨松,
申请(专利权)人:北京小米移动软件有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。