图像处理方法、智能终端及存储介质技术

本申请提供了一种图像处理方法、智能终端及存储介质，该方法获取待处理图像；将待处理图像输入至预设像素级评估模型，通过预设像素级评估模型的输出结果确定待处理图像的像素级曝光程度信息，其中，预设像素级评估模型通过第一图像样本和第一图像样本对应的标注像素级曝光程度信息训练得到；将待处理图像和待处理图像的曝光程度信息输入至预设整体曝光评估模型，通过整体曝光评估模型的输出结果确定待处理图像的整体曝光效果信息，其中，预设整体曝光评估模型通过第二图像样本、第二图像样本对应的标注像素级曝光程度信息和第二图像样本对应的标注整体曝光效果信息训练得到。像样本对应的标注整体曝光效果信息训练得到。像样本对应的标注整体曝光效果信息训练得到。

【技术实现步骤摘要】
图像处理方法、智能终端及存储介质


[0001]本专利技术涉及计算机视觉
，尤其涉及一种图像处理方法、智能终端及存储介质。

技术介绍

[0002]随着计算摄影技术的发展，通过算法将拍摄的图像进行美化已被广泛应用在各类具有拍摄功能的终端设备中。曝光作为摄影三大关键因素之一，对拍摄最终产生的图像效果有着至关重要的影响，准确的评估图像的曝光将有助于多个应用场景算法效果的提升，如相机自动曝光控制、自动曝光补偿、后期图像曝光修复、多图像曝光融合、智能相册等。
[0003]目前，图像曝光评估技术可分为三类：基于亮度特征统计，基于信息特征比较和基于学习的方法。基于亮度特征的方法是最简单、最基本的图像曝光评价方法。它的核心思想是基于图像像素的亮度概率分布特征，通过在亮度直方图上设立阈值，判断图像的曝光问题。代表算法有基于直方图阈值整体判断，将图像分块后再对直方图特征判断等。这类方法计算简单、执行速度快，常用于对实时性要求比较高的场合。然而，由于没有引入额外的先验信息，在判断时往往只是对图像的整体曝光的情况粗糙的划分，因此应用场合十分有限。基于信息特征比较的方法认为曝光的目的是为了准确记录图像中的关键信息，所以会计算同一场景下的多曝光参数图片，将曝光变化过程中信息损失最小的那一张图作为曝光最佳的图像，这种方法比基于亮度特征统计的方法在结果精度上有了进一步提升。然而，很多非实时场景下不能提供多曝光图像的采集条件，限制了这类方法的实际应用。
[0004]然而，现有技术针对图像曝光评估方式单一且评估粒度粗糙，无法全面、准确确定图像的曝光程度及曝光效果。

技术实现思路

[0005]本申请提供一种图像处理方法、智能终端及存储介质，从而解决现有技术针对图像曝光评估方式单一且评估粒度粗糙，无法全面、准确确定图像的曝光程度及曝光效果的技术问题。
[0006]第一方面，本申请提供了一种图像处理方法，包括：获取待处理图像；将所述待处理图像输入至预设像素级评估模型，通过所述预设像素级评估模型的输出结果确定所述待处理图像的像素级曝光程度信息，其中，所述预设像素级评估模型通过第一图像样本和所述第一图像样本对应的标注像素级曝光程度信息训练得到；将所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型，通过所述整体曝光评估模型的输出结果确定所述待处理图像的整体曝光效果信息，其中，所述预设整体曝光评估模型通过第二图像样本、所述第二图像样本对应的标注像素级曝光程度信息和所述第二图像样本对应的标注整体曝光效果信息训练得到。
[0007]这里，本申请提供了一种可全面、准确地评估图像曝光信息的方法，通过预先设置
好的像素级评估模型和预设整体曝光评估模型，以像素级为粒度，确定图像中每个像素的曝光程度，还能够基于图像整体进行分析，确定图像整体的曝光效果，既能做出细粒度的曝光程度评价，又能通过整体曝光效果信息对图像的整体曝光效果进行分析，考虑到了图像整体给人带来的观感效果，实现了对图像曝光的多维度评价，能全面、准确确定图像的曝光程度及曝光效果，提高了图像处理的准确性及全面性。
[0008]可选地，所述预设像素级评估模型包括编码器模块和解码器模块；相应地，所述将所述待处理图像输入至预设像素级评估模型，通过所述预设像素级评估模型的输出结果确定所述待处理图像的曝光程度信息，包括：将所述待处理图像输入至预设像素级评估模型，通过所述编码器模块对所述待处理图像进行特征提取处理，得到第一特征图和第二特征图；通过所述解码器模块对所述第一特征图和所述第二特征图进行信息解密处理，得到所述待处理图像的像素级曝光程度信息。
[0009]可选地，在所述将所述待处理图像输入至预设像素级评估模型，通过所述预设像素级评估模型的输出结果确定所述待处理图像的曝光程度信息之前，还包括：获取第一训练数据集，所述第一训练数据集包括第一图像样本和所述第一图像样本对应的标注像素级曝光程度信息；将所述第一图像样本输入至第一评估模型，得到训练像素级曝光程度信息；根据所述标注像素级曝光程度信息和所述训练像素级曝光程度信息，确定第一监督损失；根据所述第一监督损失，通过梯度下降法和反向传播算法，对所述第一评估模型进行参数优化处理，得到预设像素级评估模型；将所述第一训练数据集输入至评估模型进行模型训练，得到预设像素级评估模型。
[0010]可选地，所述预设整体曝光评估模型包括特征拼接模块、特征提取模块和得分计算模块；相应地，所述将所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型，通过所述整体曝光评估模型的输出结果确定所述待处理图像的整体曝光效果信息，包括：将所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型；通过所述特征拼接模块将所述待处理图像的曝光程度信息和所述待处理图像进行拼接处理，得到待评估特征信息；通过所述特征提取模块对所述待评估特征信息进行特征提取处理，得到特征提取图；通过所述得分计算模块对所述特征提取图进行得分计算处理，得到所述待处理图像的整体曝光效果信息。
[0011]可选地，在所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型，通过所述整体曝光评估模型的输出结果确定所述待处理图像的整体曝光效果信息之前，还包括：获取第二训练数据集，所述第二训练数据集包括第二图像样本、所述第二图像样本对应的标注像素级曝光程度信息和所述第二图像样本对应的标注整体曝光效果信息；将所述第二图像样本和所述标注像素级曝光程度信息输入至第二评估模型，得到训练整体曝光效果信息；根据所述标注整体曝光效果信息和所述训练整体曝光效果信息，确定第二监督损失；根据所述第二监督损失，通过梯度下降法和反向传播算法，对所述第二评估模型进行参数优化处理，得到预设整体曝光评估模型。
[0012]可选地，在所述将所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型，通过所述整体曝光评估模型的输出结果确定所述待处理图像的整体曝光效果信息之后，还包括：根据所述待处理图像的像素级曝光程度信息和\或整体曝光效果信息，生成优化方案；根据所述优化方案，调整所述待处理图像的曝光数据。
[0013]可选地，所述根据所述待处理图像的像素级曝光程度信息和\或整体曝光效果信息，生成优化方案，包括：根据所述待处理图像的像素级曝光程度信息，生成针对每个像素区域的第一优化方案；和\或，根据所述待处理图像的像素级曝光程度信息，生成针对整个所述待处理图像的第二优化方案。
[0014]第二方面，本申请提供了一种图像处理装置，包括：获取模块，用于获取待处理图像；第一确定模块，用于将所述待处理图像输入至预设像素级评估模型，通过所述预设像素级评估模型的输出结果确定所述待处理图像的像素级曝光程度信息，其中，所述预设像素级评估模型通过第一图像样本和所述第一图像样本对应的标注像素级曝光程度信息训练得到；第二确定模块，用于将所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型，通过所述整体曝光评估模型的输出结果确定所述待处理图像的整本文档来自技高网...

【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：获取待处理图像；将所述待处理图像输入至预设像素级评估模型，通过所述预设像素级评估模型的输出结果确定所述待处理图像的像素级曝光程度信息，其中，所述预设像素级评估模型通过第一图像样本和所述第一图像样本对应的标注像素级曝光程度信息训练得到；将所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型，通过所述整体曝光评估模型的输出结果确定所述待处理图像的整体曝光效果信息，其中，所述预设整体曝光评估模型通过第二图像样本、所述第二图像样本对应的标注像素级曝光程度信息和所述第二图像样本对应的标注整体曝光效果信息训练得到。2.根据权利要求1所述的方法，其特征在于，所述预设像素级评估模型包括编码器模块和解码器模块；相应地，所述将所述待处理图像输入至预设像素级评估模型，通过所述预设像素级评估模型的输出结果确定所述待处理图像的曝光程度信息，包括：将所述待处理图像输入至预设像素级评估模型，通过所述编码器模块对所述待处理图像进行特征提取处理，得到第一特征图和第二特征图；通过所述解码器模块对所述第一特征图和所述第二特征图进行信息解密处理，得到所述待处理图像的像素级曝光程度信息。3.根据权利要求2所述的方法，其特征在于，在所述将所述待处理图像输入至预设像素级评估模型，通过所述预设像素级评估模型的输出结果确定所述待处理图像的曝光程度信息之前，还包括：获取第一训练数据集，所述第一训练数据集包括第一图像样本和所述第一图像样本对应的标注像素级曝光程度信息；将所述第一图像样本输入至第一评估模型，得到训练像素级曝光程度信息；根据所述标注像素级曝光程度信息和所述训练像素级曝光程度信息，确定第一监督损失；根据所述第一监督损失，通过梯度下降法和反向传播算法，对所述第一评估模型进行参数优化处理，得到预设像素级评估模型；将所述第一训练数据集输入至评估模型进行模型训练，得到预设像素级评估模型。4.根据权利要求1至3任一项所述的方法，其特征在于，所述预设整体曝光评估模型包括特征拼接模块、特征提取模块和得分计算模块；相应地，所述将所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型，通过所述整体曝光评估模型的输出结果确定所述待处理图像的整体曝光效果信息，包括：将所述待处理图像和所述待处理图像的曝光程度信息输入至预设整体曝光评估模型；通过所述特征拼接模块将所述待处理图像的曝光程度信息和所述待处理图像进行拼接处理，得到待评估特征信息；通过所述特征提取模块对所述待评估特征信息进行特征提取处理，得到特征提取图；通过所述得分计算模块对所述特征提取图进行得分计算处理，得到所述待处理图像的整体曝光效果信息。
5.根据权利要求4所述的方法，其特征在...

【专利技术属性】
技术研发人员：明安龙，张志宇，何帅，康学净，马华东，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：