【技术实现步骤摘要】
图像处理方法、装置、设备及存储介质
[0001]本申请实施例涉及人工智能领域,特别涉及一种图像处理方法、装置、设备及存储介质。
技术介绍
[0002]随着人工智能技术的不断发展,越来越多的车辆开始配备自动泊车(Automated Valet Parking)功能,而自动泊车的实现依赖于全景式监控影像(Around View Monitor,AVM)系统。
[0003]车辆进行自动泊车过程中,AVM系统通过设置在车辆周侧的多个全景摄像头进行图像采集,得到车辆所处环境的360
°
全景影像,从而基于360
°
全景影像实现自动泊车。
技术实现思路
[0004]本申请实施例提供了一种图像处理方法、装置、设备及存储介质。所述技术方案如下:
[0005]一方面,本申请实施例提供了一种图像处理方法,所述方法包括:
[0006]获取样本全景图像以及所述样本全景图像对应的样本参考图像,所述样本全景图像是由不同方位的样本局部图像拼接得到的俯瞰图,不同样本局部图像由车辆上不同方位的全景摄像头采集得到,所述样本参考图像是由所述样本全景图像去除干扰光斑得到的真值图像;
[0007]通过图像处理模型对所述样本全景图像进行干扰抑制处理,得到样本处理图像,所述图像处理模型用于去除图像中由环境光源造成的干扰光斑;
[0008]基于所述样本处理图像和所述样本参考图像训练所述图像处理模型。
[0009]另一方面,本申请实施例提供了一种图像处理方法,所述方法包 ...
【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:获取样本全景图像以及所述样本全景图像对应的样本参考图像,所述样本全景图像是由不同方位的样本局部图像拼接得到的俯瞰图,不同样本局部图像由车辆上不同方位的全景摄像头采集得到,所述样本参考图像是由所述样本全景图像去除干扰光斑得到的真值图像;通过图像处理模型对所述样本全景图像进行干扰抑制处理,得到样本处理图像,所述图像处理模型用于去除图像中由环境光源造成的干扰光斑;基于所述样本处理图像和所述样本参考图像训练所述图像处理模型。2.根据权利要求1所述的方法,其特征在于,所述基于所述样本处理图像和所述样本参考图像训练所述图像处理模型,包括:基于所述样本处理图像和所述样本参考图像确定图像差异损失;基于所述图像差异损失,采用梯度下降算法训练所述图像处理模型。3.根据权利要求1所述的方法,其特征在于,所述基于所述样本处理图像和所述样本参考图像训练所述图像处理模型,包括:分别将所述样本处理图像和所述样本参考图像输入自动泊车系统,得到所述样本处理图像对应的第一图像识别结果,以及所述样本参考图像对应的第二图像识别结果;基于所述第一图像识别结果和所述第二图像识别结果,确定识别差异损失;基于所述样本处理图像和所述样本参考图像确定图像差异损失;基于所述图像差异损失和所述识别差异损失,采用梯度下降算法训练所述图像处理模型。4.根据权利要求1所述的方法,其特征在于,所述图像处理模型为对抗生成网络中的生成器,且所述对抗生成网络中还包括判别器;所述基于所述样本处理图像和所述样本参考图像训练所述图像处理模型,包括:将所述样本处理图像和所述样本参考图像输入所述判别器,得到所述判别器输出的判别结果,所述判别结果用于表征图像为真值图像或图像处理模型输出的图像;基于所述判别结果、所述样本处理图像和所述样本参考图像训练所述图像处理模型。5.根据权利要求4所述的方法,其特征在于,所述基于所述判别结果、所述样本处理图像和所述样本参考图像训练所述图像处理模型,包括:基于所述判别结果确定对抗损失;基于所述样本处理图像和所述样本参考图像确定图像差异损失;基于所述对抗损失以及所述图像差异损失训练所述图像处理模型。6.根据权利要求2、3或5任一所述的方法,其特征在于,所述基于所述样本处理图像和所述样本参考图像确定图像差异损失,包括:确定所述样本处理图像和所述样本参考图像的L1损失,以及所述样本处理图像和所述样本参考图像的结构相似性损失;将所述L1损失和所述结构相似性损失确定为所述图像差异损失。7.根据权利要求1所述的方法,其特征在于,所述图像处理模型为Unet神经网络模型。8.一种图像处理方法,其特征在于,所述方法包括:获取各个全景摄像头采集到的局部图像,不同全景摄像头用于采集车辆周围不同方位
的图像;对各张所述局部图像进行拼接,生成所述车辆所处环境的原始全景图像;通过图像处理模型对所述原始全景图像进行干扰抑制处理,得到目标全景图像,所述图像处理模型用于去除图像中由环境光源造成的干扰光斑,所述图像处理模型采用...
【专利技术属性】
技术研发人员:孙亚锋,
申请(专利权)人:OPPO广东移动通信有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。