[發(fā)明專利]圖像處理方法、裝置及服務(wù)器

有效

• 申請?zhí)枺?/td>: 201711173054.8
• 申請日: 2017-11-22
• 公開（公告）號(hào): CN107886474B
• 公開（公告）日: 2019-04-23
• 發(fā)明（設(shè)計(jì)）人: 張志偉;楊帆
• 申請（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06N3/04;G06N3/08;G06K9/62;G06T3/60
• 代理公司: 北京市立方律師事務(wù)所 11330
• 代理人: 劉延喜

1.一種圖像處理方法，其特征在于，包括下述步驟：

獲取樣本圖像；

對(duì)所述樣本圖像進(jìn)行圖像增強(qiáng)處理，生成至少一種派生于所述樣本圖像的增強(qiáng)圖像，其中，所述圖像增強(qiáng)處理包括：增加隨機(jī)噪聲處理；

將樣本圖像和派生于所述樣本圖像的增強(qiáng)圖像分別輸入到多通道卷積神經(jīng)網(wǎng)絡(luò)模型的不同輸入通道內(nèi)，以獲取所述樣本圖像和所述增強(qiáng)圖像的特征圖樣；

將所述樣本圖像的特征圖樣與所述增強(qiáng)圖像的特征圖樣進(jìn)行拼接生成拼接圖樣；以及

將所述拼接圖樣輸入到所述多通道卷積神經(jīng)網(wǎng)絡(luò)模型的共享通道內(nèi)，以使所述多通道卷積神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)所述樣本圖像和所述增強(qiáng)圖像之間的關(guān)聯(lián)性，其中，所述共享通道提取所述樣本圖像的特征圖樣與所述增強(qiáng)圖像的特征圖樣中的共性特征。

2.根據(jù)權(quán)利要求1所述的圖像處理方法，其特征在于，所述將樣本圖像和派生于所述樣本圖像的增強(qiáng)圖像分別輸入到多通道卷積神經(jīng)網(wǎng)絡(luò)模型的不同輸入通道內(nèi)，以獲取所述樣本圖像和所述增強(qiáng)圖像的特征圖樣的步驟，具體包括下述步驟：

將樣本圖像和派生于所述樣本圖像的增強(qiáng)圖像分別輸入到多通道卷積神經(jīng)網(wǎng)絡(luò)模型的不同輸入通道內(nèi)；

在所述不同輸入通道的輸出位置分別獲取所述樣本圖像的第一特征圖樣和所述增強(qiáng)圖像的第二特征圖樣。

3.根據(jù)權(quán)利要求2所述的圖像處理方法，其特征在于，所述樣本圖像的特征圖樣與所述增強(qiáng)圖像的特征圖樣進(jìn)行拼接生成拼接圖樣的步驟，具體包括下述步驟：

獲取所述樣本圖像的特征圖樣與所述增強(qiáng)圖像的特征圖樣；

將所述第二特征圖樣的第一維拼接在所述第一特征圖樣的最后一維之后。

4.根據(jù)權(quán)利要求1～3任意一項(xiàng)所述的圖像處理方法，其特征在于，所述拼接圖樣的形狀特征描述為：

其中，shape表示為拼接圖樣的形狀，W表示為拼接圖樣的寬度，H表示為拼接圖樣的高度，C_i表示特征圖樣的通道長度，i∈1、2、3…n表示構(gòu)成拼接圖樣的特征圖樣的數(shù)量。

5.根據(jù)權(quán)利要求1所述的圖像處理方法，其特征在于，所述將所述拼接圖樣輸入到所述多通道卷積神經(jīng)網(wǎng)絡(luò)模型的共享通道內(nèi)，以使所述多通道卷積神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)所述樣本圖像和所述增強(qiáng)圖像之間的關(guān)聯(lián)性的步驟之后，還包括下述步驟：

獲取所述多通道卷積神經(jīng)網(wǎng)絡(luò)模型輸出的分類數(shù)據(jù)；

將所述分類數(shù)據(jù)轉(zhuǎn)化為二值向量集，并將所述二值向量集標(biāo)記為所述樣本圖像和增強(qiáng)圖像的索引標(biāo)簽。

6.一種圖像處理裝置，其特征在于，包括：

第一獲取子模塊，用于獲取樣本圖像；

第一圖像處理子模塊，用于對(duì)所述樣本圖像進(jìn)行圖像增強(qiáng)處理，生成至少一種派生于所述樣本圖像的增強(qiáng)圖像，其中，所述圖像增強(qiáng)處理包括：增加隨機(jī)噪聲處理；

輸入模塊，用于將樣本圖像和派生于所述樣本圖像的增強(qiáng)圖像分別輸入到多通道卷積神經(jīng)網(wǎng)絡(luò)模型的不同輸入通道內(nèi)，以獲取所述樣本圖像和所述增強(qiáng)圖像的特征圖樣；

拼接模塊，用于將所述樣本圖像的特征圖樣與所述增強(qiáng)圖像的特征圖樣進(jìn)行拼接生成拼接圖樣；

處理模塊，用于將所述拼接圖樣輸入到所述多通道卷積神經(jīng)網(wǎng)絡(luò)模型的共享通道內(nèi)，以使所述多通道卷積神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)所述樣本圖像和所述增強(qiáng)圖像之間的關(guān)聯(lián)性，其中，所述共享通道提取所述樣本圖像的特征圖樣與所述增強(qiáng)圖像的特征圖樣中的共性特征。

7.根據(jù)權(quán)利要求6所述的圖像處理裝置，其特征在于，所述圖像處理裝置還包括：

第二輸入子模塊，用于將樣本圖像和派生于所述樣本圖像的增強(qiáng)圖像分別輸入到多通道卷積神經(jīng)網(wǎng)絡(luò)模型的不同輸入通道內(nèi)；

第二獲取子模塊，用于在所述不同輸入通道的輸出位置分別獲取所述樣本圖像的第一特征圖樣和所述增強(qiáng)圖像的第二特征圖樣。

8.根據(jù)權(quán)利要求7所述的圖像處理裝置，其特征在于，所述圖像處理裝置還包括：

第三獲取子模塊，用于獲取所述樣本圖像的特征圖樣與所述增強(qiáng)圖像的特征圖樣；

第二圖像處理子模塊，用于將所述第二特征圖樣的第一維拼接在所述第一特征圖樣的最后一維之后。