图像处理方法、装置、电子设备和计算机可读介质制造方法及图纸

本发明专利技术提供了一种图像处理方法、装置、电子设备和计算机可读介质，涉及图像处理的技术领域，包括获取待处理图像和目标风格图像；基于所述目标风格图像对所述待处理图像进行图像风格迁移，得到目标迁移图像，其中，所述目标迁移图像的图像分布域与所述目标风格图像的图像分布域相同；对所述目标迁移图像进行图像分割处理，得到图像分割结果，本申请缓解了现有的领域自适应的特征对齐方法中图片特征不匹配导致的领域自适应方法适应能力差的技术问题。

【技术实现步骤摘要】
图像处理方法、装置、电子设备和计算机可读介质
本专利技术涉及图像处理的
，尤其是涉及一种图像处理方法、装置、电子设备和计算机可读介质。背景
自适应是解决深度学习模型在应用中由于外部协变量偏移，即数据集的分布产生变化之后，导致性能发生显著变化的算法的统称。以基于语义分割的领域自适应算法为例，可以使用源域图像集对该语义分割网络进行训练，并利用训练后的网络对在真实场景下采集的数据进行测试处理。现有的领域自适应方法包含特征对齐方法，输出熵最小化等方法。特征对齐方法中，首先，通过生成网络和判断网络对输入的数据进行分布变换，并通过深度神经网络对变换之后的数据进行特征提取，并利用判别器判别源域图像的特征和目标域图像的特征是否对齐。若对齐，则利用带有标签的源域图像训练出的网络就能对目标域图像有较好地分割。但是，在该方法中存在的问题主要有：源域图像和目标域图像往往不存在配对关系，因此，直接对其进行特征对齐是存在本质性错误的；上述方法往往是将一个数据集的分布向另一特定数据集的分布靠拢，从而基于这一特定分布下训练的模型并不具有普适性。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：/n获取待处理图像和目标风格图像；/n基于所述目标风格图像对所述待处理图像进行图像风格迁移，得到目标迁移图像，其中，所述目标迁移图像的图像分布域与所述目标风格图像的图像分布域相同；/n对所述目标迁移图像进行图像分割处理，得到图像分割结果。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取待处理图像和目标风格图像；
基于所述目标风格图像对所述待处理图像进行图像风格迁移，得到目标迁移图像，其中，所述目标迁移图像的图像分布域与所述目标风格图像的图像分布域相同；
对所述目标迁移图像进行图像分割处理，得到图像分割结果。


2.根据权利要求1所述的方法，其特征在于，基于所述目标风格图像对所述待处理图像进行图像风格迁移，得到目标迁移图像包括：
提取所述待处理图像和所述目标风格图像的图像特征，分别得到第一图像特征和第二图像特征；
利用所述第一图像特征和所述第二图像特征对所述待处理图像进行特征对齐处理，以实现对所述待处理图像进行图像风格迁移，得到目标迁移图像。


3.根据权利要求2所述的方法，其特征在于，利用所述第一图像特征和所述第二图像特征对所述待处理图像进行特征对齐处理包括：
通过所述第一图像特征的风格参数对所述第一图像特征进行归一化处理，得到归一化之后的所述第一图像特征，所述第一图像特征的风格参数包括均值和/或方差；
通过所述第二图像特征的风格参数对所述归一化之后的第一图像特征进行调整，以实现对所述待处理图像进行特征对齐处理，所述第二图像特征的风格参数包括均值和/或方差。


4.根据权利要求3所述的方法，其特征在于，通过所述第二图像特征的风格参数对所述归一化之后的第一图像特征进行调整包括：
通过以下公式对所述归一化之后的第一图像特征进行调整：



其中，Featc为所述第一图像特征的特征值，Feats为所述第二图像特征的特征值，Var(Featc)为所述第一图像特征的方差，μ为所述第一图像特征的均值，Var(Feats)为所述第二图像特征的方差。


5.根据权利要求2所述的方法，其特征在于，
基于所述目标风格图像对所述待处理图像进行图像风格迁移，得到目标迁移图像包括：通过目标图像迁移网络对所述目标风格图像和所述待处理图像进行图像风格迁移处理，得到所述目标迁移图像；
对所述目标迁移图像进行图像分割处理，得到图像分割结果包括：通过目标域适应网络对所述目标迁移图像进行图像分割处理，得到图像分割结果。


6.根据权利要求5所述的方法，其特征在于，所述目标图像迁移网络包括：图像迁移网络；
提取所述待处理图像的图像特征和所述目标风格图像的图像特征...

【专利技术属性】
技术研发人员：汤诗雨，贾澜鹏，王氚，刘帅成，
申请(专利权)人：北京迈格威科技有限公司，成都旷视金智科技有限公司，
类型：发明
国别省市：北京;11