图像处理方法、装置及系统制造方法及图纸

本公开是关于一种图像处理方法、装置及系统，属于电子技术应用领域。该方法包括：基于至少两种损失函数对初始全卷积网络进行训练，得到全卷积网络；向终端发送全卷积网络，全卷积网络用于供终端对图像进行增强处理。本公开能解决现有的图像处理技术处理的图像质量较差的问题。本公开用于图像的处理。

【技术实现步骤摘要】
图像处理方法、装置及系统
本公开涉及图像处理领域，特别涉及一种图像处理方法、装置及系统。
技术介绍
终端，如手机的普及使得其拍照功能越来越受到用户的重视，用户对终端拍摄的图像质量也提出了更高的要求。终端对其拍摄的图像进行处理的一般过程是获取待处理图像，然后通过终端中的各种滤波器对待处理图像进行处理，进而得到处理后的图像。但是，由于目前的技术手段设计的滤波器存在缺陷，导致经过滤波处理获得的图像质量与用户要求的图像质量之间差距较大，因此，现有的图像处理技术处理的图像质量较差。
技术实现思路
本公开实施例提供了一种图像处理方法、装置及系统。能够解决现有的图像处理技术处理的图像质量较差的问题。所述技术方案如下：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；将待处理图像输入全卷积网络，所述全卷积网络基于至少两种损失函数训练得到；接收所述全卷积网络输出的增强处理后的图像。可选的，所述全卷积网络基于目标损失函数训练得到，所述目标损失函数满足损失函数确定公式为：其中，所述L为目标损失函数，lx表示所述至少两种损失函数中第x个损失函数，wx表示第x个损失函数的权重，n表示损失函数的总数，n为大于1的整数。可选的，所述至少两种损失函数包括：色彩误差函数、纹理误差函数和内容误差函数。可选的，所述全卷积网络输入图像的尺寸与所述全卷积网络输出图像的尺寸相同。根据本公开实施例的第二方面，提供一种图像处理方法，包括；基于所述至少两种损失函数对初始全卷积网络进行训练，得到全卷积网络；向终端发送所述全卷积网络，所述全卷积网络用于供所述终端对图像进行增强处理。可选的，所述基于所述至少两种损失函数对初始全卷积网络进行训练，得到全卷积网络，包括：基于所述至少两种损失函数，采用损失函数确定公式，计算目标损失函数；基于所述目标损失函数对所述初始全卷积网络进行训练，得到所述全卷积网络；所述损失函数确定公式为：其中，所述L为目标损失函数，lx表示所述至少两种损失函数中第x个损失函数，wx表示第x个损失函数的权重，n表示损失函数的总数，n为大于1的整数。可选的，所述基于所述至少两种损失函数，采用损失函数确定公式，计算目标损失函数，包括：获取所述至少两种损失函数的多组初始权重；将所述多组初始权重和所述至少两种损失函数代入所述损失函数确定公式，得到多个初始损失函数；分别基于所述多个初始损失函数对所述初始全卷积网络进行训练，得到多个训练结果；在所述多个训练结果中选择符合预设条件的目标训练结果；将所述目标训练结果所对应的初始损失函数作为所述目标损失函数。或者，所述基于所述至少两种损失函数，采用损失函数确定公式，计算目标损失函数，包括：获取所述至少两种损失函数的一组初始权重；将所述一组初始权重和所述至少两种损失函数代入所述损失函数确定公式，得到一个初始损失函数；执行至少一次训练过程，直至得到符合预设条件的目标训练结果，将所述目标训练结果所对应的初始损失函数作为所述目标损失函数，所述训练过程包括：基于当前的初始损失函数对所述初始全卷积网络进行训练，得到训练结果；当所述训练结果中不符合预设条件时，调整所述初始损失函数的权重，基于调整后的初始损失函数再次执行所述训练过程。可选的，所述至少两种损失函数包括：色彩误差函数、纹理误差函数和内容误差函数。根据本公开实施例的第三方面，提供一种图像处理装置，包括：输入模块，被配置为将待处理图像输入全卷积网络，所述全卷积网络基于至少两种损失函数训练得到；第一接收模块，被配置为接收所述全卷积网络输出的增强处理后的图像。可选的，所述全卷积网络基于目标损失函数训练得到，所述目标损失函数满足损失函数确定公式为：其中，所述L为目标损失函数，lx表示所述至少两种损失函数中第x个损失函数，wx表示第x个损失函数的权重，n表示损失函数的总数，n为大于1的整数。可选的，所述至少两种损失函数包括：色彩误差函数、纹理误差函数和内容误差函数。可选的，所述全卷积网络输入图像的尺寸与所述全卷积网络输出图像的尺寸相同。根据本公开实施例的第四方面，提供一种图像处理装置，包括：训练模块，被配置为基于所述至少两种损失函数对初始全卷积网络进行训练，得到全卷积网络；发送模块，被配置为向终端发送所述全卷积网络，所述全卷积网络用于供所述终端对图像进行增强处理。可选的，所述训练模块，包括：计算子模块，被配置为基于所述至少两种损失函数，采用损失函数确定公式，计算目标损失函数；训练子模块，被配置为基于所述目标损失函数对所述初始全卷积网络进行训练，得到所述全卷积网络；所述损失函数确定公式为：其中，所述L为目标损失函数，lx表示所述至少两种损失函数中第x个损失函数，wx表示第x个损失函数的权重，n表示损失函数的总数，n为大于1的整数。可选的，所述计算子模块，被配置为：获取所述至少两种损失函数的多组初始权重；将所述多组初始权重和所述至少两种损失函数代入所述损失函数确定公式，得到多个初始损失函数；分别基于所述多个初始损失函数对所述初始全卷积网络进行训练，得到多个训练结果；在所述多个训练结果中选择符合预设条件的目标训练结果；将所述目标训练结果所对应的初始损失函数作为所述目标损失函数；或者，所述计算子模块，被配置为：获取所述至少两种损失函数的一组初始权重；将所述一组初始权重和所述至少两种损失函数代入所述损失函数确定公式，得到一个初始损失函数；执行至少一次训练过程，直至得到符合预设条件的目标训练结果，将所述目标训练结果所对应的初始损失函数作为所述目标损失函数，所述训练过程包括：基于当前的初始损失函数对所述初始全卷积网络进行训练，得到训练结果；当所述训练结果中不符合预设条件时，调整所述初始损失函数的权重，基于调整后的初始损失函数再次执行所述训练过程。可选的，所述至少两种损失函数包括：色彩误差函数、纹理误差函数和内容误差函数。根据本公开实施例的第五方面，提供一种图像处理装置，所述装置包括：处理器；用于存储所述处理器的可执行指令的存储器；其中，所述处理器被配置为执行第一方面任一所述的图像处理方法；或者，所述处理器被配置为执行第二方面任一所述的图像处理方法。根据本公开实施例的第六方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述可读存储介质在处理组件上运行时，使得处理组件执行如第一方面任一所述的图像处理方法；或者，使得处理组件执行如第二方面任一所述的图像处理方法；根据本公开实施例的第七方面，提供一种图像处理系统，包括：终端和管理服务器，所述终端包括第三方面任一所述的图像处理装置；所述管理服务器包括第四方面任一所述的图像处理装置。本公开的实施例提供的图像处理方法、装置及系统，由于可以基于至少两种损失函数对初始全卷积网络进行训练，得到全卷积网络，并将待处理图像输入全卷积网络中，由该全卷积网络对待处理图像进行增强处理，由于该全卷积网络是基于至少两种损失函数训练得到的，采用该全卷积网络处理后的图像，相较于现有的图像处理技术，有效提高了处理的图像的质量。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明为了更清楚地说明本公开的实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：将待处理图像输入全卷积网络，所述全卷积网络基于至少两种损失函数训练得到；接收所述全卷积网络输出的增强处理后的图像。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：将待处理图像输入全卷积网络，所述全卷积网络基于至少两种损失函数训练得到；接收所述全卷积网络输出的增强处理后的图像。2.根据权利要求1所述的方法，其特征在于，所述全卷积网络基于目标损失函数训练得到，所述目标损失函数满足损失函数确定公式为：其中，所述L为目标损失函数，lx表示所述至少两种损失函数中第x个损失函数，wx表示第x个损失函数的权重，n表示损失函数的总数，n为大于1的整数。3.根据权利要求2所述的方法，其特征在于，所述至少两种损失函数包括：色彩误差函数、纹理误差函数和内容误差函数。4.根据权利要求1至3任一所述的方法，其特征在于，所述全卷积网络输入图像的尺寸与所述全卷积网络输出图像的尺寸相同。5.一种图像处理方法，其特征在于，包括：基于所述至少两种损失函数对初始全卷积网络进行训练，得到全卷积网络；向终端发送所述全卷积网络，所述全卷积网络用于供所述终端对图像进行增强处理。6.根据权利要求5所述的方法，其特征在于，所述基于所述至少两种损失函数对初始全卷积网络进行训练，得到全卷积网络，包括：基于所述至少两种损失函数，采用损失函数确定公式，计算目标损失函数；基于所述目标损失函数对所述初始全卷积网络进行训练，得到所述全卷积网络；所述损失函数确定公式为：其中，所述L为目标损失函数，lx表示所述至少两种损失函数中第x个损失函数，wx表示第x个损失函数的权重，n表示损失函数的总数，n为大于1的整数。7.根据权利要求6所述的方法，其特征在于，所述基于所述至少两种损失函数，采用损失函数确定公式，计算目标损失函数，包括：获取所述至少两种损失函数的多组初始权重；将所述多组初始权重和所述至少两种损失函数代入所述损失函数确定公式，得到多个初始损失函数；分别基于所述多个初始损失函数对所述初始全卷积网络进行训练，得到多个训练结果；在所述多个训练结果中选择符合预设条件的目标训练结果；将所述目标训练结果所对应的初始损失函数作为所述目标损失函数；或者，所述基于所述至少两种损失函数，采用损失函数确定公式，计算目标损失函数，包括：获取所述至少两种损失函数的一组初始权重；将所述一组初始权重和所述至少两种损失函数代入所述损失函数确定公式，得到一个初始损失函数；执行至少一次训练过程，直至得到符合预设条件的目标训练结果，将所述目标训练结果所对应的初始损失函数作为所述目标损失函数，所述训练过程包括：基于当前的初始损失函数对所述初始全卷积网络进行训练，得到训练结果；当所述训练结果中不符合预设条件时，调整所述初始损失函数的权重，基于调整后的初始损失函数再次执行所述训练过程。8.根据权利要求6所述的方法，其特征在于，所述至少两种损失函数包括：色彩误差函数、纹理误差函数和内容误差函数。9.一种图像处理装置，其特征在于，包括：输入模块，被配置为将待处理图像输入全卷积网络，所述全卷积网络基于至少两种损失函数训练得到；第一接收模块，被配置为接收所述全卷积网络输出的增强处理后的图像。10.根据权利要求9所述的装置，其特征在于，所述全卷积网络基于目标损失函数训练得到，所述目标损失函数满足损失函数确定...

【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