图像处理方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种图像处理方法、装置、电子设备及存储介质，属于人工智能技术领域。该方法包括：获取M个图像的第一特征信息，每个图像的第一特征信息分别用于指示一个图像所属的图像类别，M为正整数；根据M个图像的第一特征信息，通过至少一个第二算法结构，对M个图像进行处理，得到M个图像的分值，每个第二算法结构分别对应一个图像类别，每个第二算法结构对应M个图像中属于同一图像类别的至少一个图像，每个图像的分值用于指示一个图像在一个图像对应的图像类别下的图像质量；根据M个图像的分值，对M个图像进行图像处理。对M个图像进行图像处理。对M个图像进行图像处理。

【技术实现步骤摘要】
图像处理方法、装置、电子设备及存储介质


[0001]本申请属于人工智能领域，具体涉及一种图像处理方法、装置、电子设备及存储介质。

技术介绍

[0002]目前，电子设备在进行拍摄后，可以将拍摄得到的图片保存至图库应用程序中，而当电子设备拍摄保存的图片较多时，图片会占据电子设备的大量存储空间，以及图库应用程序中存在一些拍摄质量差的图片，通常，用户可以根据自身的需求对图库应用程序中存储的图片进行对应的操作。
[0003]然而，由于图库应用程序中存在的图片较多，用户需要从图库应用程序中的所有图片中依次查找需求处理的图片(例如用户手动翻页以查找需求删除的图片)，导致用户需求查找处理的图片的操作繁琐且耗时，如此，电子设备对图像处理的灵活性和效率较差。

技术实现思路

[0004]本申请实施例的目的是提供一种图像处理方法、装置、电子设备及存储介质，能够解决电子设备对图像处理的灵活性和效率较差的问题。
[0005]第一方面，本申请实施例提供了一种图像处理方法，该图像处理方法包括：获取M个图像的第一特征信息，每个图像的第一特征信息分别用于指示一个图像所属的图像类别，M为正整数；根据M个图像的第一特征信息，通过至少一个第二算法结构，对M个图像进行处理，得到M个图像的分值，每个第二算法结构分别对应一个图像类别，每个第二算法结构对应M个图像中属于同一图像类别的至少一个图像，每个图像的分值用于指示一个图像在一个图像对应的图像类别下的图像质量；根据M个图像的分值，对M个图像进行图像处理。
[0006]第二方面，本申请实施例提供了一种图像处理装置，该图像处理装置包括：获取模块和处理模块。获取模块，用于获取M个图像的第一特征信息，每个图像的第一特征信息分别用于指示一个图像所属的图像类别，M为正整数。处理模块，用于根据M个图像的第一特征信息，通过至少一个第二算法结构，对M个图像进行处理，得到M个图像的分值，每个第二算法结构分别对应一个图像类别，每个第二算法结构对应M个图像中属于同一图像类别的至少一个图像，每个图像的分值用于指示一个图像在一个图像对应的图像类别下的图像质量。处理模块，还用于根据M个图像的分值，对M个图像进行图像处理。
[0007]第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
[0008]第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
[0009]第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方
法。
[0010]第六方面，本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
[0011]在本申请实施例中，由于电子设备可以根据与M个图像的第一特征信息，将M个图像中的每个图像输出至与图像类别匹配的第二算法结构中，即电子设备可以根据M个图像的特征信息进行分类，并将M个图像中的每个图像输出至对应类别的第二算法结构中，以使得至少一个第二算法结构可以根据M个图像所属的类别对不同类别的图像进行不同的处理，得到M个图像的分值，以根据M个图像的分值准确地判断出M个图像的图像质量，从而根据M个图像的图像质量对M个图像进行处理，以实现对M个图像的准确、有效管理，避免了用户需要从电子设备的图库应用程序中依次查找需求处理的图片，导致用户查找需求处理的图片的操作繁琐且耗时，因此本申请的方案提升了电子设备对图像处理的灵活性和效率。
附图说明
[0012]图1是本申请实施例提供的一种图像处理方法的示意图之一；
[0013]图2是本申请实施例提供的一种第一算法结构的结构示意图之一；
[0014]图3是本申请实施例提供的一种第一算法结构的结构示意图之二；
[0015]图4是本申请实施例提供的一种第一算法结构的结构示意图之三；
[0016]图5是本申请实施例提供的一种第二算法结构的结构示意图；
[0017]图6是本申请实施例提供的一种图像处理装置的结构示意图；
[0018]图7是本申请实施例提供的一种电子设备的硬件结构示意图之一；
[0019]图8是本申请实施例提供的一种电子设备的硬件结构示意图之二。
具体实施方式
[0020]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
[0022]下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的图像处理方法进行详细地说明。
[0023]随着移动智能终端的不断发展，电子设备的摄像头的配置也日趋增多，并且电子设备的摄像头的像素也不断增大，现在，通过电子设备的摄像头获取的照片的大小一般为几兆或者十多兆，一段视频则可达到几十兆或几个吉(G)。当电子设备经过一段时间的使用后，电子设备中会存在大量的图像，如果用户不对已存储的图像进行删除操作，图像则会占
用电子设备大量的存储空间，同时用户寻找图像也会变的非常困难。相关技术中，电子设备可以采用相似度评分，对存储的图像进行搜索，以将该搜索得到的图像，作为删除候选集，从而用户可以在删除候选集中查找需求删除的图像，然而，上述方法中，电子设备对于不同类别的图片均采用相同的评分标准来进行筛选，导致电子设备不具备可以根据用户的个性审美和场景特征，来针对性的对需要删除的图片进行筛选，如此，电子设备对图像处理的灵活性和效率较差。
[0024]本申请实施例中，电子设备可以通过第一算法结构，获取电子设备中的M个图像的第一特征信息，并从至少一个第二算法结构确定与每个图像的图像类别匹配的第二算法结构，以得到M个图像的分值，从而电子设备可以根据M个图像的分值，对M个图像进行图像处理。本方案中，由于电子设备是根据与M个图像的第一特征信息，将M个图像中的每个图像输出至与图像类别匹配的第二算法结构中，即电子设备可以根据M个图像的特征信息进行分类，并将M个图像中的每个图像输出至对应类别的本文档来自技高网...

【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M个图像的第一特征信息，每个图像的第一特征信息分别用于指示一个图像所属的图像类别，M为正整数；根据所述M个图像的第一特征信息，通过至少一个第二算法结构，对所述M个图像进行处理，得到所述M个图像的分值，每个第二算法结构分别对应一个图像类别，每个第二算法结构对应所述M个图像中属于同一图像类别的至少一个图像，每个图像的分值用于指示一个图像在所述一个图像对应的图像类别下的图像质量；根据所述M个图像的分值，对所述M个图像进行图像处理。2.根据权利要求1所述的方法，其特征在于，所述获取M个图像的第一特征信息，包括：依次通过L层算法结构，对所述M个图像中的每个图像进行特征提取，得到L个特征信息集合，所述L层算法结构与所述L个特征信息集合一一对应，每个特征信息集合中包括所述M个图像的第二特征信息、且所述每个特征信息集合中包括的所述M个图像的第二特征信息不同；对所述L个特征信息集合进行融合处理，得到所述M个图像的第一特征信息。3.根据权利要求2所述的方法，其特征在于，每层算法结构包括一个卷积算法结构和一个池化算法结构；所述依次通过所述L层算法结构，对所述M个图像中的每个图像进行特征提取，得到L个特征信息集合，包括：针对所述L层算法结构中的每层算法结构，通过一层算法结构的卷积算法结构，对所述M个图像中的每个图像进行卷积处理，得到M个卷积向量；通过所述一层算法结构的池化算法结构，对所述M个卷积向量进行池化处理，得到所述一层算法结构对应的一个特征信息集合，以得到所述L个特征信息集合。4.根据权利要求1所述的方法，其特征在于，每个第二算法结构包括特征加权层算法结构、全连接层算法结构和线性变换层算法结构；所述根据所述M个图像的第一特征信息，通过至少一个第二算法结构，对所述M个图像进行处理，得到所述M个图像的分值，包括：根据所述M个图像的第一特征信息，从预设第二算法结构集合中分别确定与每个图像的图像类别匹配的第二算法结构，以得到所述至少一个第二算法结构；针对所述至少一个第二算法结构中的每个第二算法结构，通过一个第二算法结构的特征加权层算法结构，对所述一个第二算法结构对应的至少一个图像的第一特征信息、所述L层算法结构中的第L层算法结构对应的卷积向量和所述第L层算法结构对应的特征信息集合进行加权和处理，得到第一向量；通过所述一个第二算法结构的全连接层算法结构和线性变换层算法结构，对所述第一向量进行线性变换处理，得到所述一个第二算法结构对应的至少一个图像的分值，以得到所述M个图像的分值。5.根据权利要求1所述的方法，其特征在于，所述根据所述M个图像的分值，对所述M个图像进行图像处理，包括：按照所述M个图像的分值的大小，对所述M个图像进行排序；或者，
根据所述M个图像的分值，对所述M个图像中的N个图像进行删除，所述N个图像为所述M个图像中分值小于或等于预设阈值的图像，N为小于或等于M的正整数；或者，根据所述M个图像的分值，对所述M个图像中的K个图像进行标记，所述K个图像为所述M个图像中分值小于或等于预设阈值的图像，或者所述M个图像中分值大于预设阈值的图像，K为小于或等于M的正整数。6.根据权利要求1所述的方法，其特征在于，所述通过第一算法结构，获取电子设备中的M个图像的第一特征信息之前，所述方法还包括：通过预设多头回归模型，对目标类别的一组图像进行特征提取处理，得到所述一组图像的特征信息，所述一组图像包括参考图像、负例图像和正例图像；通过所述预设多头回归模型，对所述一组图像中每个图像的特征信息进行加权和处理，得到所述一组图像的分值；通过预设损失函数，对所述一组图像中的负例图像的分值与所述参考图像的分值进行优化处理，并对所述一组图像中的正例图像的分值与所述参考图像的分值进行优化处理，以更新所述预设多头回归模型中的参数，得到所述目标类别对应的第二算法结构。7.一种图像处理装置，其特征在于，所述图像处理装置包括：获取模块和处理模块；所述获取模块，用于获取M个图像的第一特征信息，每个图像的第一特征信息分别用于指...

【专利技术属性】
技术研发人员：谢伊娜，
申请(专利权)人：维沃移动通信有限公司，
类型：发明
国别省市：