图像处理方法、装置、设备及计算机可读存储介质制造方法及图纸

本申请实施例提供一种图像处理方法、装置、设备及计算机可读存储介质，其中，方法包括：对待处理图像进行特征提取，得到所述待处理图像的方向特征和图像特征；对所述方向特征进行识别，得到所述待处理图像的类别；根据所述类别和所述图像特征，对所述待处理图像进行图像重建处理，得到处理后的图像；输出所述处理后的图像。通过本申请，能够根据准确的类别对待处理图像进行准确的图像重建处理，得到符合用户处理要求的处理后的图像。合用户处理要求的处理后的图像。合用户处理要求的处理后的图像。

【技术实现步骤摘要】
图像处理方法、装置、设备及计算机可读存储介质


[0001]本申请实施例涉及图像处理领域，涉及但不限于一种图像处理方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]目前，对图像的处理大多在图像的识别上，如人脸识别、车牌识别、文字识别等，图像处理上主要在于黑白相片的着色处理、图像内容预测、模糊相片精细化等，处理方法主要用传统的基于规则的图像识别方法和基于统计的处理方法相结合。摄影后期处理在图像处理中属于一个比较小众化的领域，其面向对象主要在于摄影师或者相机内置软件对拍摄原片的处理。
[0003]相关技术中的摄影后期处理方法大多依赖于图像处理软件(例如photoshop或者lightroom等软件)，对于摄影师而言，风光摄影图像的处理往往是一个工作繁琐又重复性高的工作，但好的后期处理又需要一定灵感，这需要摄影师花费大量时间学习各种软件操作步骤；对于相机而言，一个好的内置后期处理软件也能够大大增加顾客的购买欲望。
[0004]但是，相关技术中的图像处理在摄影后期处理方面应用的还比较少，传统的技术方案难以对图像进行准确的图像重建处理，因此，相关技术中的图像处理方法在风光摄影图像的后期处理过程中，会存在图像后期处理的准确度较低、处理效果较差的问题。

技术实现思路

[0005]本申请实施例提供一种图像处理方法、装置、设备及计算机可读存储介质，能够降低学习各种后期处理软件带来的时间成本，对待处理图像的类别进行准确的识别，并根据准确的类别对待处理图像进行准确的图像重建处理，得到符合用户处理要求的处理后的图像，提高图像后期处理的准确度和处理效果。
[0006]本申请实施例的技术方案是这样实现的：
[0007]第一方面，本申请实施例提供一种图像处理方法，包括：
[0008]对待处理图像进行特征提取，得到所述待处理图像的方向特征和图像特征；
[0009]对所述方向特征进行识别，得到所述待处理图像的类别；
[0010]根据所述类别和所述图像特征，对所述待处理图像进行图像重建处理，得到处理后的图像；
[0011]输出所述处理后的图像。
[0012]本申请实施例提供一种图像处理装置，包括：
[0013]特征提取模块，用于对待处理图像进行特征提取，得到所述待处理图像的方向特征和图像特征；
[0014]识别模块，用于对所述方向特征进行识别，得到所述待处理图像的类别；
[0015]图像重建模块，用于根据所述类别和所述图像特征，对所述待处理图像进行图像重建处理，得到处理后的图像；
[0016]输出模块，用于输出所述处理后的图像。
[0017]本申请实施例提供一种图像处理设备，包括：
[0018]存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现上述的图像处理方法。
[0019]本申请实施例提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现上述的图像处理方法。
[0020]本申请实施例提供的图像处理方法、装置、设备及计算机可读存储介质，由于提取待处理图像的方向特征和图像特征，并基于方向特征和图像特征对待处理图像进行处理，如此，能够准确的识别待处理图像的类别，根据准确的类别对待处理图像进行准确的图像重建处理，提高图像后期处理的准确度和处理效果，从而得到符合用户处理要求的处理后的图像。
附图说明
[0021]图1是本申请实施例提供的图像处理方法的一个可选的流程示意图；
[0022]图2A是本申请实施例提供的图像处理系统的结构示意图；
[0023]图2B是本申请实施例提供的图像处理方法的一个可选的流程示意图；
[0024]图3是本申请实施例提供的图像处理方法的一个可选的流程示意图；
[0025]图4是本申请实施例提供的图像处理模型训练方法的一种可选的流程示意图；
[0026]图5是本申请实施例提供的图像处理模型训练方法的一种可选的流程示意图；
[0027]图6是本申请实施例提供的图像处理模型训练方法的一种可选的流程示意图；
[0028]图7是本申请实施例提供的模型构造阶段的实现过程示意图；
[0029]图8是本申请实施例提供的第一卷积神经网络模型的结构示意图；
[0030]图9是本申请实施例提供的第二卷积神经网络模型的结构示意图；
[0031]图10是本申请实施例提供的模型训练阶段的实现过程示意图；
[0032]图11是本申请实施例提供的图像识别阶段的流程示意图；
[0033]图12是本申请实施例提供的图像处理装置的组成结构示意图；
[0034]图13是本申请实施例提供的图像处理设备的组成结构示意图。
具体实施方式
[0035]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0036]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。除非另有定义，本申请实施例所使用的所有的技术和科学术语与属于本申请实施例的
的技术人员通常理解的含义相同。本申请实施例所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0037]为了更好地理解本申请实施例中提供的图像处理方法，首先对相关技术中的图像处理方法及存在的问题进行说明：
[0038]相关技术中，对图像的处理大多在图像的识别上，而图像处理上主要在于黑白相片的着色处理、图像内容预测、模糊相片精细化等，处理方法主要用传统的基于规则的图像识别方法和基于统计的处理方法相结合。
[0039]相关技术中的方法至少存在以下问题：
[0040]1)传统的基于规则的图像识别方法在图像的内容分类上很难达到良好的识别效果，当图像的内容复杂度达到一定程度，辨识度直线降低。例如，对于风光摄影而言，内容复杂多样，比传统的人脸、文字等简单图像更加难以识别。
[0041]2)相关技术中较少有对图像的整体做后期处理，大多数是处理图像的某一部分特征或者进行图像的内容识别。如图像的锐度处理、黑白照片着色、人脸识别、文字识别，较少涉及到摄影图像的后期处理。
[0042]3)单一的卷积神经网络虽然在某些图片的分类上已经取得了很好的效果，但在训练集上容易产生过拟合的现象，陷入局部最优，在验证集合上的识别率往往相对比较低。
[0043]4)相关技术中的相机软件后期处理技术中，虽然软件已经能够根据相应的场景进行相应的后期处理，直出照片，但手法依然比较单一，如某品牌手机中也仅仅能根据蓝天、鲜花、日落等几个场景进行内容识别，然后进行后期处理，处理手法上也是简单的高动态范围图像(HDR，High-Dy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：对待处理图像进行特征提取，得到所述待处理图像的方向特征和图像特征；对所述方向特征进行识别，得到所述待处理图像的类别；根据所述类别和所述图像特征，对所述待处理图像进行图像重建处理，得到处理后的图像；输出所述处理后的图像。2.根据权利要求1所述的方法，其特征在于，所述方向特征是所述待处理图像中局部区域的局部特征；所述对所述方向特征进行识别，得到所述待处理图像的类别，包括：对所述局部特征依次进行卷积处理和池化处理，得到池化处理特征；对所述池化处理特征进行识别处理，以确定所述池化处理特征对应的类别；将所述池化处理特征对应的类别，确定为所述待处理图像的类别。3.根据权利要求1所述的方法，其特征在于，所述对待处理图像进行特征提取，得到所述待处理图像的方向特征和图像特征，包括：采用滤波器对所述待处理图像进行傅里叶变换处理，得到所述待处理图像的方向特征；采用卷积神经网络对所述待处理图像进行特征提取，得到所述待处理图像的图像特征。4.根据权利要求3所述的方法，其特征在于，所述根据所述类别和所述图像特征，对所述待处理图像进行图像重建处理，得到处理后的图像，包括：将与所述类别对应的卷积神经网络，确定为目标卷积神经网络；采用所述目标卷积神经网络对所述图像特征进行图像重建处理，得到所述处理后的图像。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：采用图像处理模型对所述待处理图像进行图像重建处理；其中，所述图像处理模型的训练方法包括以下步骤：将样本图像输入至待训练的图像处理模型中；通过所述待训练的图像处理模型对所述样本图像进行图像处理，得到所述样本图像的类别和处理后的样本图像；将所述样本图像的类别和所述处理后的样本图像输入至预设损失模型中，得到损失结果；根据所述损失结果，对所述待训练的图像处理模型中的参数进行修正，得到修正后的图像处理模型。6.根据权利要求5所述的方法，其特征在于，所述待训练的图像处理模型包括滤波器和图像类别识别子模型；所述通过所述待训练的图像处理模型对所述样本图像进行图像处理，得到所述样本图像的类别，包括：通过所述滤波器对所述样本图像进行傅里叶变换处理，得到所述样本图像的方向特征；
通过所述图像类别识别子模型对所述方向特征进行图像类别识别处理，得到所述样本图像的类别。7.根据权利要求6所述的方法，其特征在于，所述待训练的图像处理模型还包括：与所述样本图像的类别对应的图像重建子模型；对应地，通过所述待训练的图像处理模型对所述样本图像进行图像处理，得到处理后的样本图像，包括：通过所述图像重建子模型对所述样本图像进行图像重建处理，得到所述处理后的样本图像。8.根据权利要求7所述的...

【专利技术属性】
技术研发人员：黄翔霖，严蔚岚，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：