【技术实现步骤摘要】
本申请涉及人工智能技术，尤其涉及一种基于人工智能的图像处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
1、人工智能（ai，artificial intelligence）是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。
2、对于对象脸部的部件修复任务具有较多应用场景，以部件是牙齿为例进行说明，牙齿修复有非常多的应用场景，可以用于牙齿美颜任务以及人像生成任务的后处理修复。在牙齿美颜场景中，对于牙齿有畸形，牙齿显黑，牙齿有裂缝，不够美观的时候，可以通过牙齿修复将用户的牙齿修正到整齐划一的程度。在人像生成任务中，牙齿容易有多层裂纹，偏模糊等问题，可以通过接入牙齿修复算法，改善人像生成的效果。
3、相关技术中将较好的牙齿抠出来贴到对应的需要修复的图像的嘴部，这种抠图的方式依赖关键点精度，当嘴部定位不准确时候，无法实现准确的修复，尤其在视频场景下容易出现不稳定的现象。
技术实现思路
1、本申请实施例提供一种基于人工智能的图像处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够在目标图像中重建出高质量的目标部件。
2、本申请实施例的技术方案是这样实现的：
3、本申请实施例提供一种基于人工智能的图像处理方法，包括：
4、对原始对象图像中对象的目标部件进行抠图处理，得到抠除所述目标部件的抠图图像，并对所述原始对象
5、对所述抠图图像以及所述模糊图像进行拼接处理，得到拼接图像；
6、对所述拼接图像进行编码处理，得到所述拼接图像在每个编码位置的编码特征；
7、针对每个所述编码位置，确定所述编码位置的编码特征与所述目标部件的每个候选量化特征之间的距离，并将最小距离对应的候选量化特征作为所述拼接图像在所述编码位置的编码特征的量化特征；
8、对所述量化特征进行解码处理，得到对所述原始对象图像中所述对象的目标部件进行重建后的目标图像。
9、本申请实施例提供一种基于人工智能的图像处理装置，包括：
10、图像模块，用于对原始对象图像中对象的目标部件进行抠图处理，得到抠除所述目标部件的抠图图像，并对所述原始对象图像进行模糊处理，得到模糊图像；
11、拼接模块，用于对所述抠图图像以及所述模糊图像进行拼接处理，得到拼接图像；
12、编码模块，用于对所述拼接图像进行编码处理，得到所述拼接图像在每个编码位置的编码特征；
13、量化模块，用于针对每个所述编码位置，确定所述编码位置的编码特征与所述目标部件的每个候选量化特征之间的距离，并将最小距离对应的候选量化特征作为所述拼接图像在所述编码位置的编码特征的量化特征；
14、解码模块，用于对所述量化特征进行解码处理，得到对所述原始对象图像中所述对象的目标部件进行重建后的目标图像。
15、本申请实施例提供一种电子设备，包括：
16、存储器，用于存储计算机可执行指令；
17、处理器，用于执行所述存储器中存储的计算机可执行指令时，实现本申请实施例提供的基于人工智能的图像处理方法。
18、本申请实施例提供一种计算机可读存储介质，存储有计算机可执行指令，用于引起处理器执行时，实现本申请实施例提供的基于人工智能的图像处理方法。
19、本申请实施例提供一种计算机程序产品，包括计算机可执行指令，所述计算机可执行指令被处理器执行时，实现本申请实施例提供的基于人工智能的图像处理方法。
20、本申请实施例具有以下有益效果：
21、对原始对象图像中对象的目标部件进行抠图处理，得到抠除目标部件的抠图图像，并对原始对象图像进行模糊处理，得到模糊图像；对抠图图像以及模糊图像进行拼接处理，得到拼接图像，这里的拼接图像包括扣掉目标部件的抠图图像以及用于提示目标部件所在位置的模糊图像，对拼接图像进行编码处理，得到拼接图像在每个编码位置的编码特征；针对每个位置，确定编码位置的编码特征与所述目标部件的每个候选量化特征之间的距离，这里的候选量化特征可以表征具有目标部件的对象的候选局部信息，这里的局部表征不同编码位置，将最小距离对应的候选量化特征作为拼接图像在编码位置的编码特征的量化特征，这里相当于是矢量量化的过程，通过距离度量的方式可以得到局部最优的量化特征，因此所得到的量化特征可以同时保留拼接图像中的细节信息以及目标部件的重建信息，由于量化特征保留拼接图像中的细节信息以及目标部件的重建信息，因此通过对量化特征进行解码从而可以在得到的目标图像中重建出高质量的目标部件。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对原始对象图像中对象的目标部件进行抠图处理之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述对原始对象图像中对象的目标部件进行抠图处理，得到抠除所述目标部件的抠图图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述拼接图像进行编码处理，得到所述拼接图像在每个编码位置的编码特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于对应所述样本原始对象图像的标签图像以及所述样本目标图像，确定第一综合损失之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述编码特征、所述量化特征以及所述样本目标图像中至少之一，确定修正损失，包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述编码特征以及所述量化特征，确定梯度中止损失，包括：
9.根据权利要求7所述的方
10.根据权利要求9所述的方法，其特征在于，调用判别网络对所述样本目标图像进行真假预测处理之前，所述方法还包括：
11.根据权利要求5所述的方法，其特征在于，所述基于对应所述样本原始对象图像的标签图像以及所述样本目标图像，确定第一综合损失，包括：
12.根据权利要求11所述的方法，其特征在于，所述基于所述标签图像以及所述样本目标图像，确定整体重建损失，包括：
13.根据权利要求11所述的方法，其特征在于，所述基于所述标签图像以及所述样本目标图像，确定图像特征级损失，包括：
14.根据权利要求11所述的方法，其特征在于，所述基于所述标签图像、所述样本目标图像以及所述目标部件的区域，确定局部重建损失，包括：
15.根据权利要求11所述的方法，其特征在于，所述基于所述标签图像以及所述样本目标图像，确定对象身份损失，包括：
16.一种基于人工智能的图像处理装置，其特征在于，所述装置包括：
17.一种电子设备，其特征在于，所述电子设备包括：
18.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被处理器执行时实现权利要求1至15任一项所述的基于人工智能的图像处理方法。
...【技术特征摘要】
1.一种基于人工智能的图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对原始对象图像中对象的目标部件进行抠图处理之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述对原始对象图像中对象的目标部件进行抠图处理，得到抠除所述目标部件的抠图图像，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述拼接图像进行编码处理，得到所述拼接图像在每个编码位置的编码特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于对应所述样本原始对象图像的标签图像以及所述样本目标图像，确定第一综合损失之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述编码特征、所述量化特征以及所述样本目标图像中至少之一，确定修正损失，包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述编码特征以及所述量化特征，确定梯度中止损失，包括：
9.根据权利要求7所述的方法，其特征在于，所述基于所述样本目标图像，确定生成损失，包括：
10.根据权利要...
【专利技术属性】
技术研发人员：贺珂珂，
申请(专利权)人：腾讯科技深圳有限公司，
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。