信息融合方法、可学习变量的训练方法及电子设备技术

本申请实施例涉及信息技术领域，尤其涉及一种信息融合方法、可学习变量的训练方法及电子设备。在上述信息融合方法中，电子设备可以将图像信息输入预先训练好的图像特征提取器，得到图像信息特征。接下来，电子设备将拍摄信息中加入预先训练好的可学习变量。之后，将加入了可学习变量的拍摄信息，输入到上述图像特征提取器，得到拍摄信息特征。然后，基于拍摄信息特征和图像信息特征得到融合信息。该方法可以通过少量的特征提取器对拍摄信息进行融合，可以减少电子设备进行拍摄信息融合时对电子设备资源的占用。设备资源的占用。设备资源的占用。

【技术实现步骤摘要】
信息融合方法、可学习变量的训练方法及电子设备


[0001]本申请实施例涉及信息
，尤其涉及一种信息融合方法、可学习变量的训练方法及电子设备。

技术介绍

[0002]随着具有拍照功能的电子设备在生活中的普及，人们使用电子设备进行拍摄已经成为了一种日常行为方式。人们对拍摄得到的图像的要求也越来越高。为了提升拍摄得到的图像的质量，电子设备会将一些拍摄信息和图像信息融合得到融合信息，并使用融合信息来提高拍摄得到的图像的质量。
[0003]目前，如何对拍摄得到的图像的图像信息和拍摄图像时的拍摄信息进行融合是一个有待解决的问题。

技术实现思路

[0004]本申请实施例提供一种信息融合方法、可学习变量的训练方法及电子设备，可以通过少量的特征提取器对拍摄信息进行融合，可以减少电子设备进行信息融合时对电子设备资源的占用。
[0005]为达到上述目的，本申请实施例采用如下技术方案：第一方面，提供了一种信息融合方法，该方法可以应用于手机、笔记本电脑、平板电脑等具有图像处理能力的电子设备。该方法包括：电子设备获取目标图像，目标图像包括图像信息和拍摄信息，拍摄信息包括用于表征摄像头采集目标图像时的摄像头参数，图像信息和拍摄信息的数据处理格式不匹配。之后，电子设备将目标图像的图像信息输入图像特征提取器得到图像特征。然后，电子设备将加入可学习变量后的拍摄信息，输入图像特征提取器得到拍摄特征。其中，加入可学习变量后的拍摄信息的数据处理格式与图像信息的数据处理格式相匹配。接下来，电子设备根据图像特征和拍摄特征得到融合信息，该融合信息用于确定在拍摄信息的影响下目标图像的质量。
[0006]其中，上述图像特征可以用于表征目标图像的质量；如用于表征目标图像是否发生过曝、目标图像是否发生欠曝、目标图像是否发生偏色、目标图像是否模糊等等。上述拍摄特征可以用于表征拍摄信息对目标图像的质量的影响程度。
[0007]可以理解的，由于图像特征提取器的原理是对图像信息进行卷积、池化、反卷积等等操作，分析图像信息中每个像素点所反映的规律，从该规律中提取分析得到该规律所表达的特征，可学习变量可以模仿该规律。基于此，可以通过在拍摄信息中加入可学习变量，以使得加入可学习变量后的拍摄信息具有该规律。这样，可以使得图像特征提取器可以对加入了可学习变量的拍摄信息进行提取，提取得到拍摄特征。
[0008]在上述方法中，通过将拍摄信息中加入预先训练好的可学习变量，可以改变拍摄信息的格式，使得拍摄信息的格式与图像信息的格式相匹配；这样，图像特征提取器就可以从加入了可学习变量的拍摄信息中提取特征。同时，可学习变量还可以使得加入了可学习
变量的拍摄信息会和图像信息具有相同的规律。这样，就可以通过图像特征提取器，从加入了可学习变量的拍摄信息中提取得到拍摄信息特征。也就是说，使用一个训练好的图像信息特征提取器，就可以从图像信息中提取出图像信息特征，又可以从拍摄信息中提取出拍摄信息特征。这样，电子设备就可以通过少量的特征提取器对拍摄信息和图像信息进行融合，可以减少电子设备进行信息融合时对电子设备资源的占用。
[0009]在第一方面的另一种可能的设计中，图像信息包括红绿蓝RGB数据，RGB数据的数据处理格式为三维矩阵格式，可学习变量的数据处理格式为二维矩阵格式；二维矩阵格式与三维矩阵格式相匹配，如二维矩阵的行列数与三维矩阵的行列数相同。上述电子设备在目标图像的拍摄信息中加入可学习变量，包括：电子设备将拍摄信息的数据处理格式扩充为一维矩阵格式；一维矩阵格式与三维矩阵格式相匹配，如一维矩阵的行列数与上述三维矩阵的行列数相同。之后，电子设备将数据处理格式扩充为一维矩阵格式的拍摄信息与可学习变量合并，得到加入可学习变量后的拍摄信息；加入可学习变量后的拍摄信息的数据处理格式为三维矩阵格式。
[0010]在第一方面的又一种可能的设计中，上述电子设备根据图像特征和拍摄特征得到融合信息，包括：将图像特征和拍摄特征叠加得到融合信息；如，电子设备将图像特征和拍摄特征相加得到融合信息。
[0011]在这种设计中，电子设备可以根据将图像特征和拍摄特征叠加得到融合信息，相比于一些方案使用特征融合器，得到融合信息；将图像特征和拍摄特征叠加得到融合信息不需要特征融合器就可以进行；这样可以进一步减少了对电子设备资源的占用。
[0012]在第一方面的又一种可能的设计中，上述方法还包括：电子设备将融合信息输入质量分类器得到目标图像的质量结果，质量结果用于表征在所述拍摄信息的影响下所述目标图像的质量；质量分类器与可学习变量是基于同一训练过程得到的。电子设备基于质量结果对拍摄信息进行调整。之后电子设备控制所述摄像头利用调整后的拍摄信息进行拍摄；或者电子设备利用调整后的拍摄信息，调整所述目标图像的图像信息，得到调整后的目标图像。
[0013]在这种设计中，电子设备可以通过调整后的拍摄信息优化手机上的拍摄过程，电子设备就可以拍摄得到质量比较高的图像，可以提升用户的使用体验。或者，电子设备还可以通过调整后的拍摄信息，提高目标图像的质量。
[0014]在第一方面的一种可能的设计中，上述电子设备基于所述质量结果对所述拍摄信息进行调整，包括：电子设备将融合信息输入质量分类器得到目标图像的质量结果，质量结果用于表征在拍摄信息的影响下目标图像的质量，该质量分类器与可学习变量是基于同一训练过程得到的。上述质量结果包括：第一类质量结果或第二类质量结果，质量结果为第一类质量结果的图像的质量，高于质量结果为第二类质量结果的图像的质量。接下来，在目标图像的质量结果为第二类质量结果的情况下，电子设备对拍摄信息执行循环调整过程，直至得到满足预设的质量条件的拍摄信息；满足质量条件的拍摄信息对应的质量结果为第一类质量结果。然后，电子设备基于满足质量条件的拍摄信息得到调整后的目标图像。其中，循环调整过程包括：电子设备基于预设的调整步长调整拍摄信息；电子设备将调整后的拍摄信息，通过可学习变量、图像特征和质量分类器得到对应调整后的拍摄信息的质量结果。若对应调整后的拍摄信息的质量结果为第二类质量结果，则再次基于调整步长调整拍摄信
息，直至调整后的拍摄信息满足质量条件。
[0015]在第一方面的又一种可能的设计中，可学习变量与拍摄信息中的信息类型相对应，拍摄信息的信息类型包括自动白平衡AWB数据、自动对焦AF数据和自动曝光AE数据之中的一种或多种。上述可学习变量可以包括：与AWB数据对应的第一类可学习变量，与AF数据对应的第二类可学习变量，与AE数据对应的第三类可学习变量。
[0016]在第一方面的又一种可能的设计中，拍摄信息的信息类型包括AWB数据、AF数据和AE数据，电子设备在目标图像的拍摄信息中加入可学习变量，包括：电子设备在AWB数据中加入第一类可学习变量，在AF数据中加入第二类可学习变量，在AE数据中加入第三类可学习变量。电子设备将加入可学习变量后的拍摄信息输入图像特征提取器得到拍摄特征，包括：电子设备将加入了第一类可学习变量的AWB数据输入图像特征提取器，得到针对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息融合方法，其特征在于，所述方法包括：获取目标图像；所述目标图像包括图像信息和拍摄信息，所述拍摄信息包括用于表征摄像头采集目标图像时的摄像头参数，所述图像信息和所述拍摄信息的数据处理格式不匹配；将所述目标图像的图像信息输入图像特征提取器得到图像特征；将加入可学习变量后的拍摄信息输入所述图像特征提取器得到拍摄特征；其中，所述加入可学习变量后的拍摄信息的数据处理格式与所述图像信息的数据处理格式相匹配；根据所述图像特征和所述拍摄特征得到融合信息；所述融合信息用于确定在所述拍摄信息的影响下所述目标图像的质量。2.根据权利要求1所述的方法，其特征在于，所述图像信息包括红绿蓝RGB数据，所述RGB数据的数据处理格式为三维矩阵格式，所述可学习变量的数据处理格式为二维矩阵格式；所述二维矩阵格式与所述三维矩阵格式相匹配；所述方法还包括：将所述拍摄信息的数据处理格式扩充为一维矩阵格式；所述一维矩阵格式与所述三维矩阵格式相匹配；将数据处理格式扩充为一维矩阵格式的拍摄信息与所述可学习变量合并，得到所述加入可学习变量后的拍摄信息；所述加入可学习变量后的拍摄信息的数据处理格式为所述三维矩阵格式。3.根据权利要求1所述的方法，其特征在于，所述根据所述图像特征和所述拍摄特征得到融合信息，包括：将所述图像特征和所述拍摄特征相加得到所述融合信息。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述方法还包括：将所述融合信息输入质量分类器得到所述目标图像的质量结果，所述质量结果用于表征在所述拍摄信息的影响下所述目标图像的质量；所述质量分类器与所述可学习变量是基于同一训练过程得到的；基于所述质量结果对所述拍摄信息进行调整；控制所述摄像头利用调整后的拍摄信息进行拍摄，或者利用所述调整后的拍摄信息，调整所述目标图像的图像信息，得到调整后的目标图像。5.根据权利要求4所述的方法，其特征在于，所述质量结果包括：第一类质量结果或第二类质量结果，质量结果为所述第一类质量结果的图像的质量，高于质量结果为所述第二类质量结果的图像的质量；所述基于所述质量结果对所述拍摄信息进行调整，包括：在所述目标图像的质量结果为所述第二类质量结果的情况下，对所述拍摄信息执行循环调整过程，直至得到满足预设的质量条件的拍摄信息；满足所述质量条件的拍摄信息对应的质量结果为所述第一类质量结果；其中，所述循环调整过程包括：基于预设的调整步长调整所述拍摄信息，得到调整步长调整后的拍摄信息；将所述调整步长调整后的拍摄信息，通过所述可学习变量、所述图像特征和所述质量分类器得到对应所述调整步长调整后的拍摄信息的质量结果；若所述对应所述调整步长调整后的拍摄信息的质量结果为第二类质量结果，则再次基
于所述调整步长调整所述拍摄信息，直至对应所述调整步长调整后的拍摄信息的质量结果满足所述质量条件。6.根据权利要求1所述的方法，其特征在于，所述拍摄信息的信息类型包括自动白平衡AWB数据、自动对焦AF数据和自动曝光AE数据之中的一种或多种；所述可学习变量包括与所述AWB数据对应的第一类可学习变量，与所述AF数据对应的第二类可学习变量，以及与所述AE数据对应的第三类可学习变量。7.根据权利要求6所述的方法，其特征在于，所述拍摄信息的信息类型包括所述AWB数据、所述AF数据和所述AE数据，所述拍摄特征包括针对所述AWB数据的拍摄特征、针对所述AF数据的拍摄特征和针对所述AE数据的拍摄特征；所述将加入可学习变量后的拍摄信息输入所述图像特征提取器得到拍摄特征，包括：在所述AWB数据中加入所述第一类可学习变量，在所述AF数据中加入所述第二类可学习变量，在所述AE数据中加入所述第三类可学习变量；将加入所述第一类可学习变量后的AWB数据输入所述图像特征提取器，得到所述针对所述AWB数据的拍摄特征；将加入所述第二类可学习变量后的AF数据输入所述图像特征提取器，得到所述针对所述AF数据的拍摄特征；将加入所述...

【专利技术属性】
技术研发人员：闫松，杜远超，朱世宇，
申请(专利权)人：荣耀终端有限公司，
类型：发明
国别省市：