基于深度学习的图像融合方法与计算机存储介质技术

本发明专利技术提供了一种基于深度学习的图像融合方法与计算机存储介质。其中基于深度学习的图像融合方法包括：获取待处理图片；利用预先深度学习得出的吸毒肖像特征对待处理图片进行图像融合处理；以及输出经过图像融合处理的图片。本发明专利技术的方案，通过图像融合技术处理人的肖像，使之展现出吸毒后的效果，可以达到宣传吸毒有害身体健康的目的，宣传范围广泛，不仅提升了宣传效果，还有效降低了宣传成本。

【技术实现步骤摘要】
基于深度学习的图像融合方法与计算机存储介质
本专利技术涉及计算机图像处理领域，特别是涉及一种基于深度学习的图像融合方法与计算机存储介质。
技术介绍
目前，日趋严重的毒品问题已经成为全球性的灾难。毒品不仅会严重损害人体健康，而且还从灵魂和心身摧残和毁灭滥用个体。一方面会导致滥用个体经济崩溃、家庭解体；另一方面还会不可避免地衍生盗窃、抢劫、暴力、凶杀等恶性犯罪，给公共社会带来了不可估量的灾难性危害。但是目前主要通过网络报刊、电台，利用公益广告的版面和时段进行禁毒宣传，这些禁毒宣传的方式有很多缺点，例如信息传播的速度较慢，传播的范围不够广泛，同时宣传所需的成本很高。
技术实现思路
本专利技术的一个目的是提供一种高效且低成本的禁毒宣传途径。本专利技术一个进一步的目的是扩展图像融合的应用范围。特别地，本专利技术提供了一种基于深度学习的图像融合方法，该方法包括：获取待处理图片，待处理图片中至少包括面部图像；利用预先深度学习得出的吸毒肖像特征对待处理图片进行图像融合处理，吸毒肖像特征由深度学习网络模型通过对样本图像训练得出，样本图像为吸毒人员的面部图像；以及输出经过图像融合处理的图片。可选地，由深度学本文档来自技高网...

【技术保护点】
一种基于深度学习的图像融合方法，包括：获取待处理图片，所述待处理图片中至少包括面部图像；利用预先深度学习得出的吸毒肖像特征对所述待处理图片进行图像融合处理，所述吸毒肖像特征由深度学习网络模型通过对样本图像训练得出，所述样本图像为吸毒人员的面部图像；以及输出经过所述图像融合处理的图片。

【技术特征摘要】
1.一种基于深度学习的图像融合方法，包括：获取待处理图片，所述待处理图片中至少包括面部图像；利用预先深度学习得出的吸毒肖像特征对所述待处理图片进行图像融合处理，所述吸毒肖像特征由深度学习网络模型通过对样本图像训练得出，所述样本图像为吸毒人员的面部图像；以及输出经过所述图像融合处理的图片。2.根据权利要求1所述的方法，其中由深度学习网络模型通过对样本图像训练得出所述吸毒肖像特征的步骤包括：选取预定数量的吸毒人员的面部图像作为所述样本图像，并将所述样本图像传入卷积神经网络进行训练，以提取所述吸毒肖像特征。3.根据权利要求2所述的方法，其中选取所述样本图像的步骤还包括：对图片库中吸毒人员的面部图像进行图像质量筛选，提取出所述预定数量图像质量满足要求的图像作为所述样本图像。4.根据权利要求2所述的方法，其中，所述卷积神经网络由19层VGG网络的16个卷积层和5个池层提供。5.根据权利要求2所述的方法，其中将所述样本图像传入卷积神经网络进行训练的步骤包括：获取所述卷积神经网络中特定层从所述样本图像中提取出来的图像内容，并用白色噪声图像执行梯度下降计算，以找到与所述样本图像的图像内容特征相匹配的图像；以及使用标准误差反向传播来计算相对于所述相匹配的图像的梯度，从而提取所述吸毒肖像特征。6.根据权利要求5所述的方法，其中对所述待处理图片进行图像融合处理的步骤包括：将所述待处理图片传...

【专利技术属性】
技术研发人员：张政操，江阳生，闫泽裕，张泰泉，
申请(专利权)人：广州市顺潮广告有限公司，
类型：发明
国别省市：广东,44