本发明专利技术公开了一种针对黑暗场景的图像处理方法及装置、存储介质及计算机设备。其中，该方法包括：接收图像；提取图像的相位信息，生成图像的相位特征图；将相位特征图与图像进行拼接，得到拼接图；将拼接图输入目标检测网络，得到图像的目标检测结果。本发明专利技术解决了对目标检测网络进行检测时，出现的对图像中的目标检测不精准的技术问题。不精准的技术问题。不精准的技术问题。
【技术实现步骤摘要】
针对黑暗场景的图像处理方法及装置、存储介质及计算机设备
[0001]本专利技术涉及计算机领域，具体而言，涉及一种针对黑暗场景的图像处理方法及装置、存储介质及计算机设备。
技术介绍
[0002]目标检测计算机视觉领域有很多的应用，例如，可以应用于诸如图像和视频检索等。现行的在相关技术中，采用目标检测算法对目标进行检测时，针对正常地应用场景能够实现较为准确的检测，但是对于一些特殊场景时，则会存在检测不准确，检测效果明显下降的问题。
[0003]因此，在相关技术中，存在无法对图像中的目标进行全面，准确检测的技术问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种针对黑暗场景的图像处理方法及装置、存储介质及计算机设备，以至少解决对目标检测网络进行检测时，出现的对图像中的目标检测不精准的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种图像处理方法，包括：接收图像；提取所述图像的相位信息，生成所述图像的相位特征图；将所述相位特征图与所述图像进行拼接，得到拼接图；将所述拼接图输入目标检测网络，得到所述图像的目标检测结果。
[0007]可选地，提取所述图像的相位信息，生成所述图像的相位特征图，包括：采用参数估计网络，得到所述图像对应的滤波器参数；基于所述滤波器参数生成滤波器；采用所述滤波器对所述图像进行处理，得到所述图像的相位特征图。
[0008]可选地，采用所述参数估计网络，得到所述图像对应的滤波器参数，包括：提取所述图像的局部二值模式LBP特征；基于所述LBP特征生成LBP特征图；将所述LBP特征图输入所述参数估计网络，得到所述图像对应的所述滤波器参数。
[0009]可选地，在基于所述LBP特征生成LBP特征图之后，输出所述LBP特征图；或者，在将所述LBP特征图输入所述参数估计网络，得到所述图像对应的所述滤波器参数之后，输出所述滤波器参数。
[0010]可选地，采用所述滤波器对所述图像进行处理，得到所述图像的相位特征图，包括：对所述图像进行多尺度的缩放处理，得到多尺度的缩放图；采用所述滤波器对所述多尺度的缩放图分别进行处理，得到所述多尺度的缩放图对应的相位特征图；基于所述多尺度的缩放图对应的相位特征图确定所述图像的相位特征图。
[0011]可选地，在采用所述滤波器对所述多尺度的缩放图分别进行处理，得到所述多尺度的缩放图对应的相位特征图之后，输出所述多尺度的缩放图对应的相位特征图；或者，在基于所述多尺度的缩放图对应的相位特征图确定所述图像的相位特征图之后，输出所述图
像的相位特征图。
[0012]可选地，在将所述拼接图输入目标检测网络，得到所述图像的所述目标检测结果之前，还包括：获取第一训练样本，其中，所述训练样本包括：第一相位特征图与第一图像进行拼接后得到的第一拼接图，以及该第一图像中的第一目标检测结果，其中，所述第一相位特征图是采用第一滤波器得到的，所述第一滤波器为固定滤波器；采用所述第一训练样本对初始检测网络进行机器训练，得到所述目标检测网络。
[0013]可选地，采用所述第一训练样本对初始检测网络进行机器训练，得到所述目标检测网络，包括：采用所述第一训练样本对初始检测网络进行机器训练，得到第一目标检测网络；获取第二训练样本，其中，所述第二训练样本包括：第二相位特征图与第二图像进行拼接后得到的第二拼接图，以及该第二拼接图中的第二目标检测结果，其中，所述第二相位特征图是采用第二滤波器得到的，所述第二滤波器是采用参数估计网络得到的滤波器参数生成的；采用所述第二训练样本对所述参数估计网络以及所述第一目标检测网络进行联合训练，得到训练好的参数估计网络和目标检测网络，其中，采用所述第二训练样本对所述参数估计网络以及所述第一目标检测网络进行联合训练，包括：采用第二图像以及生成所述第二滤波器的滤波器参数进行机器训练，得到训练好的参数估计网络；采用所述第二拼接图和所述第二目标检测结果进行机器训练，得到训练好的目标检测网络。
[0014]可选地，在将所述拼接图输入目标检测网络，得到所述图像的目标检测结果之后，还包括：输出的目标检测结果；获取所述图像的直接检测结果，其中，所述直接检测结果为采用与所述目标检测网络具备相同骨干网络的直接检测网络对所述图像进行检测得到的；展示所述目标检测结果与所述直接检测结果的对比图。
[0015]可选地，所述图像包括：黑暗场景下的图像。
[0016]根据本专利技术实施例的另一个方面，提供了一种图像处理方法，包括：在显示界面的输入区域接收图像；在所述显示界面接收目标检测指令；响应所述目标检测指令，在所述显示界面显示所述图像的相位特征图，其中，所述相位特征图依据所述图像的相位信息生成；在所述显示界面显示所述图像的目标检测结果，其中，所述目标检测结果采用目标检测网络对拼接图进行处理得到，所述拼接图由所述相位特征图与所述图像进行拼接得到。
[0017]根据本专利技术实施例的再一个方面，提供了一种图像处理方法，包括：客户端设备将图像发送给服务端设备；所述服务端设备提取所述图像的相位信息，生成所述图像的相位特征图；所述服务端设备将所述相位特征图与所述图像进行拼接，得到拼接图，并将所述拼接图输入目标检测网络，得到所述图像的目标检测结果；所述客户端设备接收所述服务端设备返回的所述目标检测结果。
[0018]根据本专利技术实施例的又一个方面，提供了一种针对黑暗场景的图像处理方法，包括：采集道路图像，其中，所述道路图像为道路在黑夜下的图像；提取所述道路图像的相位信息，生成所述道路图像的相位特征图；将所述相位特征图与所述道路图像进行拼接，得到拼接图；将所述拼接图输入目标检测网络，得到所述道路图像的目标检测结果，其中，所述目标检测结果包括以下至少之一：所述道路图像中的人，所述道路图像中的车。
[0019]根据本专利技术实施例的又一个方面，提供了一种图像处理方法，包括：采集预定区域内的图像，其中，所述图像为在黑暗场景下的图像；提取所述图像的相位信息，生成所述图像的相位特征图；将所述相位特征图与道路图像进行拼接，得到拼接图，以及将所述拼接图
输入目标检测网络，得到所述道路图像的目标检测结果；获取与所述图像对应的音频数据；根据所述目标检测结果与所述音频数据，对所述图像中的目标进行标注显示。
[0020]根据本专利技术实施例的又一个方面，提供了一种图像处理方法，包括：采集行人图像，其中，所述行人图像中包括行人；提取所述行人图像的相位信息，生成所述行人图像的相位特征图；将所述相位特征图与所述行人图像进行拼接，得到拼接图，以及将所述拼接图输入目标检测网络，得到所述图像的目标检测结果，其中，所述目标检测结果中包括行人所在的位置；基于所述目标检测结果对所述行人图像中的行人进行行人再识别Re
‑
ID处理。
[0021]根据本专利技术实施例的又一个方面，提供了一种图像处理装置，包括：第一接收模块，用于接收图像；第一提取模块，用于提取所述图像的相位信息本文档来自技高网...
【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：接收图像；提取所述图像的相位信息，生成所述图像的相位特征图；将所述相位特征图与所述图像进行拼接，得到拼接图；将所述拼接图输入目标检测网络，得到所述图像的目标检测结果。2.根据权利要求1所述的方法，其特征在于，提取所述图像的相位信息，生成所述图像的相位特征图，包括：采用参数估计网络，得到所述图像对应的滤波器参数；基于所述滤波器参数生成滤波器；采用所述滤波器对所述图像进行处理，得到所述图像的相位特征图。3.根据权利要求2所述的方法，其特征在于，采用所述参数估计网络，得到所述图像对应的滤波器参数，包括：提取所述图像的局部二值模式LBP特征；基于所述LBP特征生成LBP特征图；将所述LBP特征图输入所述参数估计网络，得到所述图像对应的所述滤波器参数。4.根据权利要求3所述的方法，其特征在于，在基于所述LBP特征生成LBP特征图之后，输出所述LBP特征图；或者，在将所述LBP特征图输入所述参数估计网络，得到所述图像对应的所述滤波器参数之后，输出所述滤波器参数。5.根据权利要求2所述的方法，其特征在于，采用所述滤波器对所述图像进行处理，得到所述图像的相位特征图，包括：对所述图像进行多尺度的缩放处理，得到多尺度的缩放图；采用所述滤波器对所述多尺度的缩放图分别进行处理，得到所述多尺度的缩放图对应的相位特征图；基于所述多尺度的缩放图对应的相位特征图确定所述图像的相位特征图。6.根据权利要求2所述的方法，其特征在于，在将所述拼接图输入目标检测网络，得到所述图像的所述目标检测结果之前，还包括：获取第一训练样本，其中，所述训练样本包括：第一相位特征图与第一图像进行拼接后得到的第一拼接图，以及该第一图像中的第一目标检测结果，其中，所述第一相位特征图是采用第一滤波器得到的，所述第一滤波器为固定滤波器；采用所述第一训练样本对初始检测网络进行机器训练，得到所述目标检测网络。7.根据权利要求1至6中任一项所述的方法，其特征在于，在将所述拼接图输入目标检测网络，得到所述图像的目标检测结果之后，还包括：输出的目标检测结果；获取所述图像的直接检测结果，其中，所述直接检测结果为采用与所述目标检测网络具备相同骨干网络的直接检测网络对所述图像进行检测得到的；展示所述目标检测结果与所述直接检测...
【专利技术属性】
技术研发人员：付志航，蔡卓骏，陶明渊，黄建强，华先胜，陈泽，金文蔚，
申请(专利权)人：阿里云计算有限公司，
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。