一种图像数据处理方法、装置、计算机设备以及介质制造方法及图纸

本申请实施例提供了一种图像数据处理方法、装置、计算机设备以及介质，该方法涉及云技术、人工智能、智慧交通、辅助驾驶等领域，方法包括：获取第一原始图像和合成图像；通过初始分类网络模型获取第一原始图像对应的第一原始图像特征和合成图像对应的合成图像特征，确定第一原始图像特征和合成图像特征之间的第一图像特征差值；根据模型标签、合成图像特征和第一图像特征差值，确定初始分类网络模型的模型损失值；根据模型损失值对初始分类网络模型中的模型参数进行调整，得到目标分类网络模型；目标分类网络模型用于确定目标图像对应的翻拍分类结果。采用本申请，可以降低采集模型训练集的工作量，提高目标分类网络模型进行翻拍分类的准确性。拍分类的准确性。拍分类的准确性。

【技术实现步骤摘要】
一种图像数据处理方法、装置、计算机设备以及介质


[0001]本申请涉及计算机
，尤其涉及一种图像数据处理方法、装置、计算机设备以及介质。

技术介绍

[0002]现有的翻拍分类方法可以人工对原始图像（例如，第一原始图像）进行拍摄，得到原始图像对应的翻拍图像，进而通过翻拍图像对初始分类网络模型进行训练。然而，人工拍摄得到翻拍图像的方式会增加采集模型训练集的工作量。
[0003]此外，现有的翻拍分类方法可以通过初始分类网络模型获取翻拍图像的图像特征，通过图像特征来对初始分类网络模型进行训练，以使训练得到的目标分类网络模型可以用于确定目标图像对应的翻拍分类结果。由于翻拍图像是真实拍摄所得到的图像，初始分类网络模型所提取到图像特征为电子屏幕的摩尔纹特征，所以目标分类网络模型可以提取摩尔纹特征。然而，由于近年来屏幕的不断优化，翻拍得到的目标图像已经几乎看不到摩尔纹，所以在通过目标分类网络模型对目标图像进行翻拍分类时，难以准确生成目标图像对应的翻拍分类结果。

技术实现思路

[0004]本申请实施例提供一种图像数据处理方法、装置、计算机设备以及介质，可以降低采集模型训练集的工作量，提高目标分类网络模型进行翻拍分类的准确性。
[0005]本申请实施例一方面提供了一种图像数据处理方法，包括：获取第一原始图像和第一原始图像对应的合成图像；合成图像是对第一原始图像和与第一原始图像相关联的噪声图像进行图像合成所生成的；噪声图像是对纯色图像进行翻拍处理所得到的；通过初始分类网络模型获取第一原始图像对应的第一原始图像特征和合成图像对应的合成图像特征，确定第一原始图像特征和合成图像特征之间的第一图像特征差值；根据与第一原始图像和合成图像共同关联的模型标签、合成图像特征和第一图像特征差值，确定初始分类网络模型的模型损失值；根据模型损失值对初始分类网络模型中的模型参数进行调整，当调整后的初始分类网络模型满足模型收敛条件时，将调整后的初始分类网络模型确定为目标分类网络模型；目标分类网络模型用于确定目标图像对应的翻拍分类结果。
[0006]本申请实施例一方面提供了一种图像数据处理装置，包括：图像获取模块，用于获取第一原始图像和第一原始图像对应的合成图像；合成图像是对第一原始图像和与第一原始图像相关联的噪声图像进行图像合成所得到的；噪声图像是对纯色图像进行翻拍处理所得到的；特征提取模块，用于通过初始分类网络模型获取第一原始图像对应的第一原始图像特征和合成图像对应的合成图像特征，确定第一原始图像特征和合成图像特征之间的第
一图像特征差值；损失值确定模块，用于根据与第一原始图像和合成图像共同关联的模型标签、合成图像特征和第一图像特征差值，确定初始分类网络模型的模型损失值；参数调整模块，用于根据模型损失值对初始分类网络模型中的模型参数进行调整，当调整后的初始分类网络模型满足模型收敛条件时，将调整后的初始分类网络模型确定为目标分类网络模型；目标分类网络模型用于确定目标图像对应的翻拍分类结果。
[0007]其中，图像获取模块包括：图像获取单元，用于获取噪声图像库；噪声图像库包括纯色图像对应的噪声图像；图像变换单元，用于获取第一原始图像，对第一原始图像进行图像变换，生成第一原始图像对应的变换图像；图像变换用于减少第一原始图像的像素值空间；图像获取单元，用于从噪声图像库中获取与变换图像相关联的噪声图像；图像合成单元，用于对噪声图像和第一原始图像进行图像合成，生成第一原始图像对应的合成图像。
[0008]其中，图像变换单元，具体用于对第一原始图像进行平滑处理，生成第一原始图像对应的平滑图像；图像变换单元，具体用于对平滑图像进行颜色聚类，得到平滑图像中的S个图像区域，基于S个图像区域分别对应的区域颜色，生成颜色聚类后的平滑图像；S为正整数；图像变换单元，具体用于将颜色聚类后的平滑图像确定为第一原始图像对应的变换图像。
[0009]其中，图像获取单元，具体用于获取N个纯色图像；N为正整数；N个纯色图像包括纯色图像G
j
；j为小于或等于N的正整数；纯色图像G
j
为通过显示屏所显示的图像，或者，纯色图像G
j
为打印出的图像；图像获取单元，具体用于对纯色图像G
j
进行拍摄，得到纯色图像G
j
对应的翻拍图像；图像获取单元，具体用于对纯色图像G
j
和纯色图像G
j
对应的翻拍图像进行像素求差，生成纯色图像G
j
对应的噪声图像；纯色图像G
j
对应的噪声图像用于构成纯色图像G
j
对应的噪声图像子库；N个纯色图像分别对应的噪声图像子库用于构成噪声图像库。
[0010]其中，变换图像包括S个图像区域；S个图像区域包括图像区域M
i
；i为小于或等于S的正整数；图像获取单元，具体用于确定图像区域M
i
对应的区域颜色和N个纯色图像分别对应的图像颜色之间的颜色距离，将N个纯色图像中具有最小颜色距离的纯色图像确定为目标纯色图像；图像获取单元，具体用于从噪声图像库中获取目标纯色图像对应的噪声图像子库，从目标纯色图像对应的噪声图像子库中获取与图像区域M
i
相关联的噪声图像；与S个图像区域相关联的噪声图像用于构成与变换图像相关联的噪声图像。
[0011]其中，图像合成单元，具体用于从与图像区域M
i
相关联的噪声图像中获取图像区域M
i
对应的噪声区域；图像合成单元，具体用于对图像区域M
i
进行图像分解，得到具有不同频带的第一子图像；
图像合成单元，具体用于对图像区域M
i
对应的噪声区域进行图像分解，得到具有不同频带的第二子图像；图像合成单元，具体用于对具有不同频带的第一子图像和具有不同频带的第二子图像中，相同频带的第一子图像和第二子图像进行加权求和，得到加权子图像；图像合成单元，具体用于对不同频带分别对应的加权子图像进行图像合成，生成图像区域M
i
对应的合成区域；S个图像区域分别对应的合成区域用于构成第一原始图像对应的合成图像。
[0012]其中，图像合成单元，具体用于将噪声图像和第一原始图像分别输入至图像合成模型，通过图像合成模型分别对噪声图像和第一原始图像进行特征提取，得到噪声图像对应的第一提取特征和第一原始图像对应的第二提取特征；图像合成单元，具体用于对第一提取特征和第二提取特征进行特征融合，得到与第一提取特征和第二提取特征共同关联的图像融合特征；图像合成单元，具体用于对图像融合特征进行特征还原，生成第一原始图像对应的合成图像。
[0013]其中，特征提取模块包括：图像输入单元，用于将第一原始图像和合成图像分别输入至初始分类网络模型；初始分类网络模型包括初始特征提取子网络；特征提取单元，用于通过初始特征提取子网络对第一原始图像进行特征提取，得到第一原始图像对应的第一原始图像特征；特征提取单元，用于通过初始特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像数据处理方法，其特征在于，包括：获取第一原始图像和所述第一原始图像对应的合成图像；所述合成图像是对所述第一原始图像和与所述第一原始图像相关联的噪声图像进行图像合成所生成的；所述噪声图像是对纯色图像进行翻拍处理所得到的；通过初始分类网络模型获取所述第一原始图像对应的第一原始图像特征和所述合成图像对应的合成图像特征，确定所述第一原始图像特征和所述合成图像特征之间的第一图像特征差值；根据与所述第一原始图像和所述合成图像共同关联的模型标签、所述合成图像特征和所述第一图像特征差值，确定所述初始分类网络模型的模型损失值；根据所述模型损失值对所述初始分类网络模型中的模型参数进行调整，当调整后的初始分类网络模型满足模型收敛条件时，将调整后的初始分类网络模型确定为目标分类网络模型；所述目标分类网络模型用于确定目标图像对应的翻拍分类结果。2.根据权利要求1所述的方法，其特征在于，所述获取第一原始图像和所述第一原始图像对应的合成图像，包括：获取噪声图像库；所述噪声图像库包括纯色图像对应的噪声图像；获取第一原始图像，对所述第一原始图像进行图像变换，生成所述第一原始图像对应的变换图像；所述图像变换用于减少所述第一原始图像的像素值空间；从所述噪声图像库中获取与所述变换图像相关联的噪声图像；对所述噪声图像和所述第一原始图像进行图像合成，生成所述第一原始图像对应的合成图像。3.根据权利要求2所述的方法，其特征在于，所述对所述第一原始图像进行图像变换，生成所述第一原始图像对应的变换图像，包括：对所述第一原始图像进行平滑处理，生成所述第一原始图像对应的平滑图像；对所述平滑图像进行颜色聚类，得到所述平滑图像中的S个图像区域，基于S个所述图像区域分别对应的区域颜色，生成颜色聚类后的平滑图像；所述S为正整数；将所述颜色聚类后的平滑图像确定为所述第一原始图像对应的变换图像。4.根据权利要求2所述的方法，其特征在于，所述获取噪声图像库，包括：获取N个纯色图像；所述N为正整数；N个所述纯色图像包括纯色图像G
j
；所述j为小于或等于所述N的正整数；所述纯色图像G
j
为通过显示屏所显示的图像，或者，所述纯色图像G
j
为打印出的图像；对所述纯色图像G
j
进行拍摄，得到所述纯色图像G
j
对应的翻拍图像；对所述纯色图像G
j
和所述纯色图像G
j
对应的翻拍图像进行像素求差，生成所述纯色图像G
j
对应的噪声图像；所述纯色图像G
j
对应的噪声图像用于构成所述纯色图像G
j
对应的噪声图像子库；N个所述纯色图像分别对应的噪声图像子库用于构成噪声图像库。5.根据权利要求4所述的方法，其特征在于，所述变换图像包括S个图像区域；S个所述图像区域包括图像区域M
i
；所述i为小于或等于所述S的正整数；所述从所述噪声图像库中获取与所述变换图像相关联的噪声图像，包括：确定所述图像区域M
i
对应的区域颜色和N个所述纯色图像分别对应的图像颜色之间的颜色距离，将N个所述纯色图像中具有最小颜色距离的纯色图像确定为目标纯色图像；
从所述噪声图像库中获取所述目标纯色图像对应的噪声图像子库，从所述目标纯色图像对应的噪声图像子库中获取与所述图像区域M
i
相关联的噪声图像；与S个所述图像区域相关联的噪声图像用于构成与所述变换图像相关联的噪声图像。6.根据权利要求5所述的方法，其特征在于，所述对所述噪声图像和所述第一原始图像进行图像合成，生成所述第一原始图像对应的合成图像，包括：从与所述图像区域M
i
相关联的噪声图像中获取所述图像区域M
i
对应的噪声区域；对所述图像区域M
i
进行图像分解，得到具有不同频带的第一子图像；对所述图像区域M
i
对应的噪声区域进行图像分解，得到具有不同频带的第二子图像；对所述具有不同频带的第一子图像和所述具有不同频带的第二子图像中，相同频带的第一子图像和第二子图像进行加权求和，得到加权子图像；对不同频带分别对应的加权子图像进行图像合成，生成所述图像区域M
i
对应的合成区域；S个所述图像区域分别对应的合成区域用于构成所述第一原始图像对应的合成图像。7.根据权利要求2所述的方法，其特征在于，所述对所述噪声图像和所述第一原始图像进行图像合成，生成所述第一原始图像对应的合成图像，包括：将所述噪声图像和所述第一原始图像分别输入至图像合成模型，通过所述图像合成模型分别对所述噪声图像和所述第一原始图像进行特征提取，得到所述噪声图像对应的第一提取特征和所述第一原始图像对应的第二提取特征；对所述第一提取特征和所述第二提取特征进行特征融合，得到与所述第一提取特征和所述第二提取特征共同关联的图像融合特征；对所述图像融合特征进行特征还原，生成所述第一原始图像对应的合成图像。8.根据权利要求1所述的方法，其特征在于，所述通过初始分类网络模型获取所述第一原始图像对应的第一原始图像特征和所述合成...

【专利技术属性】
技术研发人员：黄鹏程，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：