静态图像获取方法、系统和电子设备技术方案

本申请涉及图像处理领域，具体地公开了一种静态图像获取方法、系统和电子设备，其使用基于卷积神经网络的图像生成器技术来补偿在通过短视频或者动态图像的多个图像帧进行图像合成时的背景变化信息，通过这样的方式，来提升静态图像的背景真实度。提升静态图像的背景真实度。提升静态图像的背景真实度。

【技术实现步骤摘要】
静态图像获取方法、系统和电子设备


[0001]本专利技术涉及微服务集群的数据存储领域，且更为具体地，涉及一种静态图像获取方法、系统和电子设备。

技术介绍

[0002]随着移动终端的摄像功能的成熟，越来越多的短视频通过用户产生，并且，也出现了通过静态图像进行动态化处理来生成动态图像或者短视频的技术。但是，相对地，从动态图像或者短视频中反向生成静态图像的技术并没有得到深入研究。
[0003]这里，从动态图像或者短视频反向生成静态图像主要是要考虑动态图像或者短视频中的各个视频帧之间的差异信息，这些差异信息除了各个帧之间随着时间维度和空间维度导致的不同以外，也包括动态效果本身带来的信息，也就是视频处理中常提到的光流信息，其中的主要部分可以理解为是由于对象本身发生的运动而产生的背景变化信息。
[0004]在获取静态图像时，如果在通过多个图像帧进行图像合成时，这种背景变化信息不能得到有效地处理，尽管对象本身的图像质量可以通过图像合成而得到加强，但是会显著地降低静态图像的背景真实度。
[0005]因此，期望一种优化的静态图像合成方案。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种静态图像获取方法，其特征在于，包括：训练阶段，包括：获取作为训练样本的动态图像或短视频；从所述动态图像或短视频中提取连续的多个图像帧；将所述多个图像帧分别通过作为纹理提取器的第一卷积神经网络以获得对应于每个所述图像帧的纹理特征图；基于各个所述图像帧中的对象位置，分别将对应的所述纹理特征图分割为对象纹理特征图和背景纹理特征图；对每个所述图像帧对应的对象纹理特征图和背景纹理特征图进行按通道维度的全局池化处理以获得每个所述图像帧的对象纹理隐向量和背景纹理隐向量；计算每个所述图像帧的所述对象纹理隐向量和所述背景纹理隐向量之间的差分，以获得对应于每个所述图像帧的用于表示以对象部分纹理为参考的背景部分纹理变化的差分向量；将每个所述图像帧输入作为生成器的第二卷积神经网络以获得对应于每个所述图像帧的特征图；计算每个所述图像帧和与其对应的所述特征图之间的均方差损失函数值；计算每个所述图像帧和与其对应的所述特征图之间的差分以获得差分图，并计算所述差分图与所述差分向量之间的交叉熵损失函数值；以及使用均方误差损失函数值与交叉熵损失函数值的加权和来训练第二卷积神经网络；以及预测阶段，包括：获取待处理的动态图像或短视频；从所述待处理的动态图像或短视频中获取多个初始图像帧；将所述多个初始图像帧分别通过经训练阶段训练而成的作为生成器的所述第二卷积神经网络以获得多个处理后图像帧；以及将所述多个处理后图像帧进行图像合成，以获得合成静态图像。2.根据权利要求1所述的静态图像获取方法，其中，将所述多个图像帧分别通过作为纹理提取器的第一卷积神经网络以获得对应于每个所述图像帧的纹理特征图，包括：将所述多个图像帧分别输入作为纹理提取器的所述第一卷积神经网络；从所述第一卷积神经网络的第N层提取出对应于每个所述图像帧的纹理特征图，其中，N为4到6中任一的正整数。3.根据权利要求1所述的静态图像获取方法，其中，基于各个所述图像帧中的对象位置，分别将对应的所述纹理特征图分割为对象纹理特征图和背景纹理特征图，包括：以目标候选框标识出各个所述图像帧中的对象位置；基于所述目标候选框在各个所述图像帧中的位置，从对应的所述纹理特征图中分割出所述对象纹理特征图；以及将被分割出所述对象纹理特征图的所述纹理特征图作为所述背景纹理特征图。4.根据权利要求1所述的静态图像获取方法，其中，对每个所述图像帧对应的对象纹理特征图和背景纹理特征图进行按通道维度的全局池化处理以获得每个所述图像帧的对象
纹理隐向量和背景纹理隐向量，包括：对每个所述图像帧对应的对象纹理特征图和背景纹理特征图进行按通道维度的全局平均值池化处理或者全局最大值池化处理，以获得每个所述图像帧的对象纹理隐向量和背景纹理隐向量。5.根据权利要求1所述的静态图像获取方法，其中，计算每个所述图像帧和与其对应的所述特征图之间的差分以...

【专利技术属性】
技术研发人员：胡玮，
申请(专利权)人：黎川县凡帝科技有限公司，
类型：发明
国别省市：