图像处理方法、处理装置和处理设备制造方法及图纸

本发明专利技术实施例提供一种图像处理方法、处理装置和处理设备，利用生成神经网络结合图像内容特征实现图像转换，使得转换后的输出图像具有多样性并且保持与输入图像的一致性。该图像处理方法包括获取输入图像；利用生成神经网络对输入图像进行图像转换处理，以输出转换后的输出图像。所述输入图像具有N个通道，N为大于等于1的正整数；所述生成神经网络的输入包括噪声图像通道和输入图像的N个通道；所述生成神经网络的输出为包括N个通道的转换图像。

Image processing methods, processing devices and processing equipment

The embodiment of the invention provides an image processing method, a processing device and a processing device, and realizes the image conversion by generating the neural network and the image content characteristics, so that the transformed output image has diversity and keeps consistency with the input image. The image processing method includes acquiring the input image, and generating the neural network to transform the input image to output the converted output image. The input image has N channels, and N is a positive integer greater than or equal to 1. The input of the generated neural network includes N channels of noise image channel and input image, and the output of the generated neural network is converted image including N channels.

【技术实现步骤摘要】
图像处理方法、处理装置和处理设备
本专利技术涉及图像处理，尤其涉及一种图像处理方法、处理装置和处理设备。
技术介绍
利用深度神经网络进行图像处理和转换是随着深度学习技术的发展而新兴起来的技术。然而，现有技术中的图像处理和转换系统的结构复杂且难于训练，并且输出图像缺乏多样性。因此，需要一种实现图像转换的图像处理方法、装置和设备，其既能保证输出图像与输入图像之间具有一致性，又能保证不同输出图像之间具有多样性。
技术实现思路
本专利技术提供一种图像处理方法、处理装置和处理设备，利用生成神经网络结合图像内容特征实现图像转换，使得转换后的输出图像具有多样性并且保持与输入图像的一致性，并且系统简单，易于训练。本专利技术实施例提供一种图像处理方法，包括：获取输入图像；利用生成神经网络根据输入图像和噪声图像对所述输入图像进行图像转换处理，以输出转换后的输出图像，其中，所述生成神经网络是基于内容损失函数训练得到的。根据本专利技术实施例，所述输入图像具有N个通道，N为大于等于1的正整数；所述生成神经网络的输入包括噪声图像通道和输入图像的N个通道；所述生成神经网络的输出为包括N个通道的转换图像。根据本专利技术本文档来自技高网...

【技术保护点】
一种图像处理方法，包括：获取输入图像；利用生成神经网络对所述输入图像进行图像转换处理，以输出转换后的输出图像，其中，所述生成神经网络是基于内容损失函数训练得到的。

【技术特征摘要】
1.一种图像处理方法，包括：获取输入图像；利用生成神经网络对所述输入图像进行图像转换处理，以输出转换后的输出图像，其中，所述生成神经网络是基于内容损失函数训练得到的。2.根据权利要求1所述的图像处理方法，其中：所述输入图像具有N个通道，N为大于等于1的正整数；所述生成神经网络的输入包括噪声图像通道和输入图像的N个通道；所述生成神经网络的输出为包括N个通道的转换图像。3.根据权利要求1所述的图像处理方法，其中，所述生成神经网络包括一个或多个下采样模块、一个或多个残差模块和一个或多个上采样模块。4.根据权利要求3所述的图像处理方法，其中：所述下采样模块包括依次连接的卷积层、下采样层和实例标准化层；所述残差模块包括依次连接的卷积层和实例标准化层；所述上采样模块包括依次连接的上采样层、实例标准化层和卷积层，其中，所述上采样模块的个数与所述下采样模块的个数相等。5.根据权利要求1所述的图像处理方法，其中，所述输入图像作为第一训练图像，所述噪声图像作为第一训练噪声图像，所述输出图像作为第一输出图像，所述图像处理方法还包括：获取第二训练噪声图像；利用所述生成神经网络根据所述第一训练图像和第二训练噪声图像，生成第二输出图像；基于第一训练图像、第一输出图像和第二输出图像训练所述生成神经网络。6.根据权利要求5所述的图像处理方法，其中，训练所述生成神经网络包括：将所述第一输出图像输入至鉴别神经网络，用于输出所述第一输出图像是否具有转换特征的鉴别标签；利用第一损失计算单元根据所述第一训练图像、第一输出图像、第二输出图像和鉴别标签计算所述生成神经网络的损失值，优化所述生成神经网络的参数。7.根据权利要求6所述的图像处理方法，其中，所述第一损失计算单元包括：分析网络、第一损失计算器和优化器，并且，利用第一损失计算单元计算所述生成神经网络的损失值包括：利用分析网络输出所述第一训练图像、第一输出图像、第二输出图像的内容特征；利用第一损失计算器根据分析网络提取的内容特征和所述第一输出图像的鉴别标签按照第一损失函数计算所述生成神经网络的损失值；利用优化器根据所述生成神经网络的损失值优化所述生成神经网络的参数。8.根据权利要求7所述的图像处理方法，其中，所述第一损失函数包括内容损失函数，并且，计算所述生成神经网络的损失值包括：利用所述第一损失计算器根据第一训练图像、第一输出图像和第二输出图像的内容特征计算所述生成神经网络的内容损失值。9.根据权利要求7所述的图像处理方法，其中，所述第一损失函数还包括结果多样性损失函数，并且，计算所述生成神经网络的损失值包括：利用所述第一损失计算器根据第一输出图像的内容特征和第二输出图像的内容特征按照结果多样性损失函数计算所述生成神经网络的结果多样化损失值。10.根据权利要求6所述的图像处理方法，其中，所述输出图像作为第一样本图像，所述图像处理方法还包括：从数据集获取第二样本图像；利用所述鉴别神经网络鉴别所述第一样本图像和所述第二样本图像是否具有转换特征，输出鉴别标签；利用第二损失计算单元根据鉴别标签训练所述鉴别神经网络，其中，所述第二损失计算单元包括：第二损失计算器和优化器，所述利用第二损失计算单元训练所述鉴别神经网络包括：利用第二损失计算器根据所述第一样本图像的鉴别标签和所述第二样本图像的鉴别标签按照第二损失函数计算所述鉴别神经网络的损失值，其中所述第二损失函数包括鉴别神经网络损失函数；利用优化器根据所述鉴别神经网络的损失值优化所述鉴别神经网络的参数。11.一种图像处理装置，包括：生成神经网络模块，用于...

【专利技术属性】
技术研发人员：刘瀚文，那彦波，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京,11