图像处理方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种图像处理方法及装置、电子设备和存储介质，其中，所述方法包括：分别获取针对同一对象的多个图像的图像特征；根据各图像的图像特征，确定与各所述图像特征一一对应的权重系数；基于各所述图像特征的权重系数，对所述多个图像的图像特征执行特征融合处理，得到所述多个图像的融合特征。本公开能够提高融合特征的精度。融合特征的精度。融合特征的精度。

【技术实现步骤摘要】
图像处理方法及装置、电子设备和存储介质
[0001]本申请是在2019年03月25日提交中国专利局、申请号为201910228716.X、申请名称为“图像处理方法及装置、电子设备和存储介质”的中国专利申请的分案申请。


[0002]本公开涉及计算机视觉领域，特别涉及一种图像处理方法及装置、电子设备和存储介质。

技术介绍

[0003]特征融合是计算机视觉及智能视频监控领域的重要问题之一。例如人脸特征融合在在很多领域有重要应用意义，如可以应用到人脸识别系统等。目前现有技术中，通常是将多帧图像的特征直接取均值作为融合后的特征，这种方法虽然简单但性能较差，特别是对异常值的鲁棒性很差。

技术实现思路

[0004]本公开实施例提供了一种提高融合特征精度的图像处理方法及装置、电子设备和存储介质。
[0005]根据本公开的一方面，提供了一种图像处理方法，其包括：
[0006]分别获取针对同一对象的多个图像的图像特征；
[0007]根据各图像的图像特征，确定与各所述图像特征一一对应的权重系数；
[0008]基于各所述图像特征的权重系数，对所述多个图像的图像特征执行特征融合处理，得到所述多个图像的融合特征。
[0009]在一些可能的实施方式中，所述根据各图像的图像特征，确定与各所述图像特征一一对应的权重系数，包括：
[0010]基于各图像的所述图像特征形成图像特征矩阵；
[0011]对所述图像特征矩阵执行特征拟合处理，得到第一权重矩阵；
[0012]基于所述第一权重矩阵确定各图像特征对应的所述权重系数。
[0013]在一些可能的实施方式中，所述对所述图像特征矩阵执行特征拟合处理，得到第一权重矩阵，包括：
[0014]利用正则化线性最小二乘估计算法对所述图像特征矩阵执行特征拟合处理，并在预设目标函数为最小值的情况下得到所述第一权重矩阵。
[0015]在一些可能的实施方式中，所述基于所述第一权重矩阵确定各图像特征对应的所述权重系数，包括：
[0016]将所述第一权重矩阵中包括的各第一权重系数确定为各图像特征对应的所述权重系数；或者
[0017]对所述第一权重矩阵执行第一优化处理，并将优化后的第一权重矩阵中包括的各第一权重系数确定为各图像特征对应的所述权重系数。
[0018]在一些可能的实施方式中，所述对所述第一权重矩阵执行第一优化处理，包括：
[0019]基于所述第一权重矩阵中包括的各图像特征的第一权重系数，确定各图像的拟合图像特征，所述拟合图像特征为所述图像特征与相应的第一权重系数的乘积；
[0020]利用各图像的图像特征和所述拟合图像特征之间的第一误差，执行所述第一权重矩阵的第一优化处理，得到第一优化权重矩阵；
[0021]响应于所述第一权重矩阵和第一优化权重矩阵之间的差值满足第一条件，将所述第一优化权重矩阵确定为优化后的所述第一权重矩阵，以及
[0022]响应于第一权重矩阵和第一优化权重矩阵之间的差值不满足第一条件，利用所述第一优化权重矩阵获得新的拟合图像特征，基于所述新的拟合图像特征重复执行所述第一优化处理，直至得到的第k优化权重矩阵与所述第k
‑
1优化权重矩阵之间的差值满足所述第一条件，将第k优化权重矩阵确定为优化后的第一权重矩阵，其中k为大于1的正整数。
[0023]在一些可能的实施方式中，所述利用各图像的图像特征和所述拟合图像特征之间的第一误差，执行所述第一权重矩阵的第一优化处理，包括：
[0024]根据各图像特征和所述拟合图像特征中相应元素之间的差值的平方和，得到所述图像特征和所述拟合图像特征之间的第一误差；
[0025]基于各所述第一误差得到各图像特征的第二权重系数；
[0026]基于各图像的第二权重系数执行所述第一权重矩阵的第一优化处理，得到所述第一权重矩阵对应的第一优化权重矩阵。
[0027]在一些可能的实施方式中，所述基于各所述第一误差得到各图像特征的第二权重系数，包括：
[0028]通过第一方式，基于各所述第一误差得到各图像特征的第二权重系数，其中所述第一方式的表达式为：
[0029][0030]其中，w
i
为第i个图像的第二权重系数，e
i
表示第i个图像特征与其对应的拟合图像特征之间的第一误差，i为1到N之间的整数，N为图像特征的数量，k＝1.345σ，σ是误差e
i
的标准差。
[0031]在一些可能的实施方式中，所述根据各图像的图像特征，确定与各所述图像特征一一对应的权重系数，还包括：
[0032]基于各图像的所述图像特征形成图像特征矩阵；
[0033]对所述图像特征矩阵执行中值滤波处理，得到中值特征矩阵；
[0034]基于所述中值特征矩阵确定各图像特征对应的所述权重系数。
[0035]在一些可能的实施方式中，所述对所述图像特征矩阵执行中值滤波处理，得到中值特征矩阵，包括：
[0036]确定所述图像特征矩阵中各所述图像特征针对同一位置的元素中值；
[0037]基于每个位置的元素中值得到所述中值特征矩阵。
[0038]在一些可能的实施方式中，所述基于所述中值特征矩阵确定各图像特征对应的所述权重系数，包括：
[0039]获取各图像特征与所述中值特征矩阵之间的第二误差；
[0040]响应于图像特征与中值特征矩阵之间的所述第二误差满足第二条件，将该图像特征的权重系数配置为第一权值，响应于图像特征与中值特征矩阵之间的所述第二误差不满足第二条件，利用第二方式确定该图像特征的权重系数。
[0041]在一些可能的实施方式中，所述第二方式的表达式为：
[0042][0043]θ
h
＝1/e
h
；
[0044]其中，b
h
为通过第二方式确定的第h个图像的权重系数，e
h
为第h个图像的图像特征与中值特征矩阵之间的第二误差，h为1到N的整数值，N表示图像的数量。
[0045]在一些可能的实施方式中，所述第二条件为：
[0046]e
h
＞K
·
MADN；
[0047]MADN＝median([e1,e2,...e
N
])/0.675；
[0048]其中，e
h
为第h个图像的图像特征与中值特征矩阵之间的第二误差，h为1到N的整数值，N表示图像的数量，K为判断阈值，median表示中值滤波函数。
[0049]在一些可能的实施方式中，所述基于各所述图像特征的权重系数，对所述多个图像的图像特征执行特征融合处理，得到所述多个图像的融合特征，包括：
[0050]利用各图像特征与对应的权重系数之间的乘积的加和值，得到所述融合特征。
[0051]在一些可能的实施方式中，所述方法还包括：
[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，包括：分别获取针对同一对象的多个图像的图像特征；根据各图像的图像特征，确定与各所述图像特征一一对应的权重系数；基于各所述图像特征的权重系数，对所述多个图像的图像特征执行特征融合处理，得到所述多个图像的融合特征；其中，所述根据各图像的图像特征，确定与各所述图像特征一一对应的权重系数，包括：根据各图像的图像特征，形成图像特征矩阵；对所述图像特征矩阵执行特征拟合处理，得到第一权重矩阵；对所述第一权重矩阵执行第一优化处理，并将优化后的第一权重矩阵中包括的各第一权重系数确定为各图像特征对应的所述权重系数。2.根据权利要求1所述的方法，其特征在于，所述对所述图像特征矩阵执行特征拟合处理，得到第一权重矩阵，包括：利用正则化线性最小二乘估计算法对所述图像特征矩阵执行特征拟合处理，并在预设目标函数为最小值的情况下得到所述第一权重矩阵。3.根据权利要求1或2所述的方法，其特征在于，所述对所述第一权重矩阵执行第一优化处理，包括：基于所述第一权重矩阵中包括的各图像特征的第一权重系数，确定各图像的拟合图像特征，所述拟合图像特征为所述图像特征与相应的第一权重系数的乘积；利用各图像的图像特征和所述拟合图像特征之间的第一误差，执行所述第一权重矩阵的第一优化处理，得到第一优化权重矩阵；响应于所述第一权重矩阵和第一优化权重矩阵之间的差值满足第一条件，将所述第一优化权重矩阵确定为优化后的所述第一权重矩阵，以及响应于第一权重矩阵和第一优化权重矩阵之间的差值不满足第一条件，利用所述第一优化权重矩阵获得新的拟合图像特征，基于所述新的拟合图像特征重复执行所述第一优化处理，直至得到的第k优化权重矩阵与所述第k
‑
1优化权重矩阵之间的差值满足所述第一条件，将第k优化权重矩阵确定为优化后的第一权重矩阵，其中k为大于1的正整数。4.根据权利要求3所述的方法，其特征在于，所述利用各图像的图像特征和所述拟合图像特征之间的第一误差，执行所述第一权重矩阵的第一优化处理，包括：根据各图像特征和所述拟合图像特征中相应元素之间的差值的平方和，得到所述图像特征和所述拟合图像特征之间的第一误差；基于各所述第一误差得到各图像特征的第二权重系数...

【专利技术属性】
技术研发人员：吴佳飞，梁明亮，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：