一种图像处理方法及相关设备技术

本申请公开了一种图像处理方法及相关设备，包括：首先获取第一图像集合和第二图像集合，第一图像集合和第二图像集合中分别包括多张真实物体图像和多张像素物体图像；接着根据第一图像集合中包含同一类别的目标物体的真实物体图像、第二图像集合中包含所述同一类别的目标物体的像素物体图像、所述同一类别的目标物体的类别信息、以及随机生成的语义信息向量训练图像像素化模型；然后根据图像像素化模型对待识别的物体图像进行像素化处理以得到物体图像的显示图像，该显示图像用于对图像中的目标物体进行现实增强。采用本申请实施例，可以提升图像像素化的效果、提高物体图像中目标物体的识别度。

An Image Processing Method and Related Equipment

This application discloses an image processing method and related equipment, which includes: first, acquiring the first image set and the second image set, including multiple real object images and multiple pixel object images in the first image set and second image set respectively; then, according to the first image set, the real object images of the same class of target objects and the second image set are included. The pixel object image of the same category of target object, the category information of the same category of target object, and the randomly generated semantic information vector train the image pixelization model; then, according to the image pixelization model, the object image to be recognized is processed to obtain the display image of the object image, and the display image is used to enter the target object in the image. Enhance reality. By adopting the embodiment of the present application, the effect of image pixelization can be improved and the recognition degree of the target object in the object image can be improved.

【技术实现步骤摘要】
一种图像处理方法及相关设备
本申请涉及人工智能领域和仿生视觉领域，尤其涉及一种图像处理方法及相关设备。
技术介绍
目前，人工视网膜成像图像的像素普遍处于1000+以下，并且受制于现有的电极制造、能量传输、植入体封装技术水平和安全性等方面的原因，仿生视觉假体成像像素仍难以发生飞跃性提升。仿生视觉假体图像的低像素会导致信息的大量丢失，从而造成使用者难以对场景和物体进行辨认。针对该问题，现有技术采取了先对获取到的图像进行图像信息预校正再进行图像信息简化和增强的应对方法，然而这种方法无法实现特定目标的图像信息简化与增强，更不能得到特定的物体信息。现有技术还引入了机器学习的方法对图像进行处理并提示障碍物，但该方法不针对特定物体的显示，从而无法直接提高失明患者与物体的交互能力。此外，现有技术还提出了使用图像意义识别模块来识别图像中的意义的设想，并设计单独的几个像素作为指示灯来表示不同的物体，但该技术不仅没有给出意义识别模块的实现方法，而且指示灯可表示的物体信息极其有限，无法满足对不同类别、不同风格和不同视角的物体进行识别的需求。
技术实现思路
本申请实施例提供一种图像处理方法及相关设备。可以提升图像本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法应用于电子设备，所述方法包括：获取第一图像集合和第二图像集合，所述第一图像集合包括多张真实物体图像，所述第二图像集合包括多张像素物体图像，所述多张真实物体图像和所述多张像素物体图像中包含至少一种类别的第一目标物体；确定所述至少一种类别的第一目标物体中每种类别的第一目标物体的类别信息、以及随机生成语义信息向量；将所述第一图像集合中包含同一类别的第一目标物体的真实物体图像、所述第二图像集合中包含所述同一类别的第一目标物体的像素物体图像、所述同一类别的第一目标物体的类别信息、以及所述语义信息向量输入待训练模型进行训练，得到图像像素化模型；根据所述图像像素化模...

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法应用于电子设备，所述方法包括：获取第一图像集合和第二图像集合，所述第一图像集合包括多张真实物体图像，所述第二图像集合包括多张像素物体图像，所述多张真实物体图像和所述多张像素物体图像中包含至少一种类别的第一目标物体；确定所述至少一种类别的第一目标物体中每种类别的第一目标物体的类别信息、以及随机生成语义信息向量；将所述第一图像集合中包含同一类别的第一目标物体的真实物体图像、所述第二图像集合中包含所述同一类别的第一目标物体的像素物体图像、所述同一类别的第一目标物体的类别信息、以及所述语义信息向量输入待训练模型进行训练，得到图像像素化模型；根据所述图像像素化模型，对待识别的第一物体图像进行处理得到所述第一物体图像的显示图像，所述显示图像用于对所述第一物体图像中的第二目标物体进行现实增强。2.如权利要求1所述的方法，其特征在于，所述根据所述图像像素化模型，对待识别的第一物体图像进行处理得到所述第一物体图像的显示图像包括：确定所述第一物体图像中的所述第二目标物体；从所述第一物体图像中裁剪出包含所述第二目标物体的第二物体图像；将所述第二物体图像输入所述图像像素化模型得到所述第二物体图像对应的像素物体图像；将所述第二物体图像对应的像素物体图像和所述第一物体图像进行合并得到所述显示图像。3.如权利要求1所述的方法，其特征在于，所述将所述第一图像集合中包含同一类别的第一目标物体的真实物体图像、所述第二图像集合中包含所述同一类别的第一目标物体的像素物体图像、所述同一类别的第一目标物体的类别信息、以及所述语义信息向量输入待训练模型进行训练，得到图像像素化模型包括：将所述第一图像集合中包含同一类别的第一目标物体的真实物体图像、所述第二图像集合中包含所述同一类别的第一目标物体的像素物体图像、所述同一类别的第一目标物体的类别信息、以及所述语义信息向量输入第一待训练模型进行训练，得到图像生成模块和图像判别模块，所述图像判别模块中包括真实物体图像判别单元和像素物体图像判别单元；将所述语义信息向量和所述每种类别的第一目标物体的类别信息输入第二待训练模型进行训练，得到图像编码模块，所述第二待训练模型中包括所述图像生成模块、所述真实物体图像判别单元和所述像素物体图像判别单元；根据所述图像生成模块和所述图像编码模块，确定所述图像像素化模型。4.如权利要求3所述的方法，其特征在于，所述图像编码模块包括真实物体图像编码单元，所述真实物体图像编码单元用于获取所述第二目标物体的语义信息向量和类别信息；所述图像生成模块包括像素物体图像生成单元，所述像素物体图像生成单元用于根据所述第二目标物体的语义信息向量和类别信息生成所述第二物体图像对应的像素物体图像；所述根据所述图像生成模块和所述图像编码模块，确定所述图像像素化模型包括：将所述真实物体图像编码单元和所述像素物体图像生成单元进行组合得到所述图像像素化模型。5.如权利要求2所述的方法，其特征在于，所述确定第一物体图像中的所述第二目标物体包括：将所述第一物体图像中尺寸大于预设阈值的物体作为所述第二目标物体。6.如权利要求2所述的方法，其特征在于，所述将所述第二物体图像对应的像素物体图像和所述第一物体图像进行合并得到所述显示图像包括：获取所述第二物体图像在所述第一物体图像中的位置信息；根据所述位置信息，将所述第二物体图像对应的像素物体图像和所述第一物体图像进行合并得到所述显示图像。7.如权利要求2所述的方法，其特征在于，所述将所述第二物体图像对应的像素物体图像和所述第一物体图像进行合并得到所述显示图像之前，还包括：对所述第一物体图像进行降采样。8.如权利要求2-7任一项所述的方法，其特征在于，所述确定所述第一物体图像中的所述第二目标物体之前，还包括：对所述第一物体...

【专利技术属性】
技术研发人员：夏轩，于峰崎，朱红梅，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44