【技术实现步骤摘要】
图像处理方法、装置及存储介质、电子设备
[0001]本专利技术涉及图像处理技术，具体而言，涉及一种图像处理方法、装置及存储介质、电子设备。
技术介绍
[0002]当人们用手机拍摄文档时，经常会由于手和手机对光线的遮挡以及环境中其它物体对光线的遮挡而在文档上留下阴影，从而影响拍摄出来的图像的视觉体验，通过计算机视觉处理技术对拍摄后的图像进行处理，消除阴影，恢复出阴影背后的文字和图画内容可以有效提高图像的质量，因此，文档阴影消除是一项有重要意义的技术，能够较大地提高摄制的图像的质量，具有广阔的市场前景。
[0003]有效地消除阴影层的同时不对背景层产生显著的副作用，同时有较快的运行速度和可以接受的硬件配置要求，是阴影消除方法应用在手机上的基本需求和主要的挑战，当前的阴影消除方法要么无法将阴影去除干净，要么会损失背景层的信息，要么运行速度慢，均不利于普通用户的使用。
[0004]现有的一种阴影消除方法使用包含三个模块的神经网络，分别是全局定位模块、外观建模模块和语义建模模块。全局定位模块负责对阴影区域进行检测，获取...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，包括：获取包含阴影区域的待处理图像；将所述待处理图像输入至经过训练的神经网络，获得去阴影图像；其中，所述神经网络包含两级级联的第一级网络和第二级网络，所述第一级网络接收所述待处理图像并输出阴影区域掩模图，所述第二级网络同时接收所述待处理图像和所述阴影区域掩模图，并输出所述去阴影图像。2.根据权利要求1所述的图像处理方法，其特征在于，所述第一级网络包括：第一特征提取模块，包含第一编码器，用于逐层提取所述待处理图像的特征，获得第一组特征数据；阴影区域估计模块，与所述第一特征提取模块的输出连接，包含第一解码器，用于基于所述第一组特征数据估计阴影区域并输出阴影区域掩模图。3.根据权利要求1所述的图像处理方法，其特征在于，所述第二级网络包括：第二特征提取模块，包含第二编码器，与所述第一级网络的输出连接，在接收待处理图像的同时接收所述第一级网络输出的阴影区域掩模图，用于获得第二组特征数据；结果图输出模块，与所述第二特征提取模块的输出相连，包含第二解码器，用于基于所述第二组特征数据输出所述去阴影图像。4.根据权利要求2或3所述的图像处理方法，其特征在于，所述第一解码器或所述第二解码器各层的输出通过跨层连接与所述第一编码器或所述第二编码器对应层的输出沿着通道轴进行拼接，在所述第一解码器或所述第二解码器以及所述第一编码器或所述第二编码器的跨层连接上添加多尺度金字塔池化模块，所述多尺度金字塔池化模块将不同尺度的特征进行融合。5.根据权利要求1所述的图像处理方法，其特征在于，在获取包含阴影区域的待处理图像之后，所述图像处理方法还包括：采用图像金字塔算法对所述待处理图像进行降采样，并且在降采样的同时保存各级图层的梯度信息形成拉普拉斯金字塔；将尺寸最小的图层送入经过训练的神经网络，获得输出图像；使用拉普拉斯金字塔对所述输出图像进行低分辨率到高分辨率的重建，获得所述去阴影图像。6.根据权利要求1所述的图像处理方法，还包括：构建初始神经网络；使用样本数据对所述初始神经网络进行训练，获得所述经过训练的神经网络，其中，所述样本数据包括实拍图和合成阴影图，所述合成阴影图使用图像合成方法用纯阴影图和无阴影图合成。7.根据权利要求1所述的图像处理方法，其特征在于，使用图像合成方法用纯阴影图和无阴影图合成所述合成阴影图包括：获取纯阴影图；获取无阴影图；基于所述纯阴影图和所述无阴影图，获得所述合成阴影图。8.根据权利要求7所述的图像处理方法，其特征在于，使用图像合成方法用纯阴影图和
无阴影图合成所述合成阴影图还包括：对所述纯阴影图进行变换，基于经过变换的纯阴影图与所述无阴影图，获得所述合成阴影图，其中，所述经过变换的纯阴影图中非阴影区域的像素值统一设置为一个固定数值a，阴影区域的像素值则为0ˉa之间的数值，a为正整数。9.根据权利要求7所述的图像处理方法，其特征在于，所述初始神经网络还包括对样本数据进行类别判断的模块，当判断出输入所述初始神经网络的样本数据为实拍图时，标注数据为实景采集的去阴影图像，根据所述初始神经网络输出的所述去阴影图像和作为所述标注数据的所述去阴影图像之间的差异调整所述第二级网络内部的参数；当判...
【专利技术属性】
技术研发人员：叶平，张志伟，鲍天龙，
申请(专利权)人：虹软科技股份有限公司，
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。