图像处理方法、系统、移动终端及存储介质技术方案

本发明专利技术提供了一种图像处理方法、系统、移动终端及存储介质，该方法包括：原始人脸图像进行人脸分割得到人脸掩膜图像；对人脸掩膜图像进行腐蚀处理得到腐蚀的人脸掩膜图像，将腐蚀的人脸掩膜图像和原始人脸图像输入对抗神经网络得到人脸生成图像；对人脸生成图像进行人脸分割得到生成掩膜图像，进行损失计算得到网络损失值，根据网络损失值对对抗神经网络进行网络训练；将待处理图像输入对抗神经网络的生成器得到目标生成图像；将目标生成图像与待处理图像进行图像比对得到目标发际线区域，将目标发际线区域与待处理图像进行图像融合得到输出图像。本发明专利技术能有效的对待处理图像中发际线的高度进行调节，提高了用户的使用体验。提高了用户的使用体验。提高了用户的使用体验。

【技术实现步骤摘要】
图像处理方法、系统、移动终端及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种图像处理方法、系统、移动终端及存储介质。

技术介绍

[0002]随着图像处理技术的发展，图片中人体美化功能日益普及，图像处理的要求也越来越高，尤其是随着年轻人脱发现象的发生，越来越多的年轻人在拍照的时越来越关心图像中人物的发际线。
[0003]现有的图像处理过程中，主要是针对图像中人体进行整体比例的拉伸瘦身等美化处理，无法便捷有效的针对人体发际线进行对应性的调整，进而降低了用户的使用体验。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种图像处理方法、系统、移动终端及存储介质，旨在解决现有的图像处理过程中，由于无法便捷有效的针对人体发际线进行对应性的调整，所导致的用户使用体验低下的问题。
[0005]本专利技术实施例是这样实现的，一种图像处理方法，所述方法包括：
[0006]获取原始人脸图像，并对所述原始人脸图像进行人脸分割，得到人脸掩膜图像；
[0007]对所述人脸掩膜图像进行腐蚀处理，得到腐蚀的人脸掩膜图像，并将所述腐蚀的人脸掩膜和所述原始人脸图像输入对抗神经网络进行图像生成，得到人脸生成图像；
[0008]对所述人脸生成图像进行人脸分割，得到生成掩膜图像；
[0009]根据所述生成掩膜图像和所述腐蚀的人脸掩膜图像进行损失计算，得到网络损失值，并根据所述网络损失值对所述对抗神经网络进行网络训练，直至所述对抗神经网络收敛；
[0010]获取待处理图像，并将所述待处理图像输入收敛后的所述对抗神经网络进行图像生成，得到目标生成图像；
[0011]将所述目标生成图像与所述待处理图像进行图像比对，得到目标发际线区域，并将所述目标发际线区域与所述待处理图像进行图像融合，得到输出图像。
[0012]更进一步地，所述对所述人脸掩膜图像进行腐蚀处理的步骤包括：
[0013]对腐蚀算子进行参数设置，并将参数设置后的所述腐蚀算子与所述人脸掩膜图像进行卷积处理，得到卷积图像；
[0014]计算所述卷积图像中所述腐蚀算子对应的覆盖区域，并获取所述覆盖区域中的像素点的最小值；
[0015]将所述像素点的最小值对所述人脸掩膜图像中的指定像素点进行替换。
[0016]更进一步地，所述将所述目标发际线区域与所述待处理图像进行图像融合的步骤包括：
[0017]对所述目标发际线区域进行边缘模糊处理，并分别获取边缘模糊处理后所述目标
发际线区域和所述待处理图像中像素点的像素值；
[0018]对获取到的所述像素点的像素值进行像素加权计算，得到所述输出图像。
[0019]更进一步地，所述根据所述生成掩膜图像和所述腐蚀的人脸掩膜图像进行损失计算所采用的损失函数是：
[0020]max
D Loss(D)＝E[log(D(x))]+E[log(1
‑
(D(G(x)))][0021]max
G Loss(G)＝E[log(D(G(x)))]‑
a E[||VGG(x)
‑
VGG(G(x))||
‑
b E[||Mask
erode
‑
Seg(G(x))||
[0022]其中，x是待处理图，D是所述对抗神经网络中的判别器，G是所述对抗神经网络中的生成器，VGG是预训练好的网络，Maskerode是腐蚀的人脸掩膜图，Seg是预训练好的人脸分割网络，a和b分别表示0～1直接的权重，maxD Loss(D)是所述判别器对应的第一损失值，maxG Loss(G)是所述生成器对应的第二损失值，第一损失值用于训练判别器，第二损失值用于训练生成器，这两个网络交替训练。
[0023]更进一步地，所述根据所述网络损失值对所述对抗神经网络进行网络训练的步骤之后，所述方法还包括：
[0024]对网络训练后的所述对抗神经网络中的所述生成器和所述判别器进行收敛检测；
[0025]若所述生成器或所述判别器未收敛，则返回执行所述获取原始人脸图像的步骤以及后续步骤，直至所述生成器和所述判别器收敛。
[0026]更进一步地，所述对网络训练后的所述对抗神经网络中的所述生成器和所述判别器进行收敛检测的步骤包括：
[0027]若所述第一损失值小于第一损失阈值，则判定所述判别器收敛，若所述第一损失值大于或等于所述第一损失阈值，则判定所述判别器未收敛；
[0028]若所述第二损失值小于第二损失阈值，则判定所述生成器收敛，若所述第二损失值大于或等于所述第二损失阈值，则判定所述生成器未收敛。
[0029]更进一步地，所述将所述目标生成图像与所述待处理图像进行图像比对的步骤包括：
[0030]将所述目标生成图像与所述待处理图像进行图像差值处理，得到所述目标发际线区域。
[0031]本专利技术实施例的另一目的在于提供一种图像处理系统，所述系统包括：
[0032]人脸分割模块，用于获取原始人脸图像，并对所述原始人脸图像进行人脸分割，得到人脸掩膜图像；
[0033]图像腐蚀模块，用于对所述人脸掩膜图像进行腐蚀处理，得到腐蚀的人脸掩膜图像，并将所述腐蚀的人脸掩膜图像和所述原始人脸图像输入对抗神经网络进行图像生成，得到人脸生成图像；
[0034]掩膜图像获取模块，用于对所述人脸生成图像进行人脸分割，得到生成掩膜图像；
[0035]损失计算模块，用于根据所述生成掩膜图像和所述腐蚀的人脸掩膜图像进行损失计算，得到网络损失值，并根据所述网络损失值对所述对抗神经网络进行网络训练，直至所述对抗神经网络收敛；
[0036]图像生成模块，用于获取待处理图像，并将所述待处理图像输入收敛后的所述对抗神经网络进行图像生成，得到目标生成图像；
[0037]发际线融合模块，用于将所述目标生成图像与所述待处理图像进行图像比对，得到目标发际线区域，并将所述目标发际线区域与所述待处理图像进行图像融合，得到目标生成图像。
[0038]本专利技术实施例的另一目的在于提供一种移动终端，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所述移动终端执行上述的图像处理方法。
[0039]本专利技术实施例的另一目的在于提供一种存储介质，其存储有上述的移动终端中所使用的计算机程序，该计算机程序被处理器执行时实现上述的图像处理方法的步骤。
[0040]本专利技术实施例，通过对人脸掩膜图像进行腐蚀处理，能有效的调节人脸掩膜图像中发际线图像的高度，且保留了发际线调整前后形状的相似性，进而提高了图像处理过程中发际线调节的准确性，通过根据生成掩膜图像和腐蚀的人脸掩膜图像进行损失计算，得到网络损失值，并根据网络损失值对对抗神经网络进行网络训练，使得收敛后的对抗神经网络，能有效的学习到腐蚀的人脸掩膜图像中发际线调整后的特性，通过获取待处理图像，并将待处理图像输入收敛后的对抗神经网络进行图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取原始人脸图像，并对所述原始人脸图像进行人脸分割，得到人脸掩膜图像；对所述人脸掩膜图像进行腐蚀处理，得到腐蚀的人脸掩膜图像，并将所述腐蚀的人脸掩膜图像和所述原始人脸图像输入对抗神经网络进行图像生成，得到人脸生成图像；对所述人脸生成图像进行人脸分割，得到生成掩膜图像；根据所述生成掩膜图像和所述腐蚀的人脸掩膜图像进行损失计算，得到网络损失值，并根据所述网络损失值对所述对抗神经网络进行网络训练，直至所述对抗神经网络收敛；获取待处理图像，并将所述待处理图像输入收敛后的所述对抗神经网络进行图像生成，得到目标生成图像；将所述目标生成图像与所述待处理图像进行图像比对，得到目标发际线区域，并将所述目标发际线区域与所述待处理图像进行图像融合，得到输出图像。2.如权利要求1所述的图像处理方法，其特征在于，所述对所述人脸掩膜图像进行腐蚀处理的步骤包括：对腐蚀算子进行参数设置，并将参数设置后的所述腐蚀算子与所述人脸掩膜图像进行卷积处理，得到卷积图像；计算所述卷积图像中所述腐蚀算子对应的覆盖区域，并获取所述覆盖区域中的像素点的最小值；将所述像素点的最小值对所述人脸掩膜图像中的指定像素点进行替换。3.如权利要求1所述的图像处理方法，其特征在于，所述将所述目标发际线区域与所述待处理图像进行图像融合的步骤包括：对所述目标发际线区域进行边缘模糊处理，并分别获取边缘模糊处理后所述目标发际线区域和所述待处理图像中像素点的像素值；对获取到的所述像素点的像素值进行像素加权计算，得到所述输出图像。4.如权利要求1所述的图像处理方法，其特征在于，所述根据所述生成掩膜图像和所述腐蚀的人脸掩膜图像进行损失计算所采用的损失函数是：max
D
Loss(D)＝E[log(D(x))]+E[log(1
‑
(D(G(x)))]max
G
Loss(G)＝E[log(D(G(x)))]
‑
a E[||VGG(x)
‑
VGG(G(x))||
‑
b E[||Mask
erode
‑
Seg(G(x))||其中，x是待处理图，D是所述对抗神经网络中的判别器，G是所述对抗神经网络中的生成器，VGG是预训练好的网络，Maske
rode
是腐蚀的人脸掩膜图，Seg是预训练好的人脸分割网络，a和b分别表示0～1直接的权重，max
D
Loss(D)是所述判别器对应的第一...

【专利技术属性】
技术研发人员：皮成祥，
申请(专利权)人：厦门美图之家科技有限公司，
类型：发明
国别省市：