[發(fā)明專利]圖像處理方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910384600.5
• 申請(qǐng)日: 2019-05-09
• 公開(kāi)（公告）號(hào): CN110222717B
• 公開(kāi)（公告）日: 2022-01-14
• 發(fā)明（設(shè)計(jì)）人: 楊朝暉;王云鶴;許春景
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;H03M7/30
• 代理公司: 北京龍雙利達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11329
• 代理人: 孫濤;毛威

1.一種圖像處理方法，其特征在于，包括：

獲取待處理圖像；

根據(jù)目標(biāo)圖像壓縮網(wǎng)絡(luò)對(duì)所述待處理圖像進(jìn)行壓縮處理，得到所述待處理圖像的目標(biāo)壓縮圖像，其中，所述目標(biāo)圖像壓縮網(wǎng)絡(luò)的參數(shù)是根據(jù)所述目標(biāo)圖像壓縮網(wǎng)絡(luò)對(duì)樣本圖像進(jìn)行壓縮處理的圖像損失確定的，所述圖像損失包括感知損失，所述感知損失是指所述樣本圖像的特征向量與所述樣本圖像對(duì)應(yīng)的壓縮圖像的特征向量之間的差異，所述待處理圖像的特征向量與所述目標(biāo)壓縮圖像的特征向量的差異在預(yù)設(shè)范圍內(nèi)，所述感知損失與所述壓縮圖像的特征向量和所述待處理圖像的特征向量之間的分布差異相關(guān)，所述分布差異是將所述待處理圖像的特征向量和所述待處理圖像對(duì)應(yīng)的所述目標(biāo)壓縮圖像對(duì)應(yīng)的特征向量進(jìn)行映射，基于所述映射后的特征進(jìn)行作差處理得到的；

基于所述目標(biāo)壓縮圖像進(jìn)行識(shí)別，得到識(shí)別結(jié)果。

2.如權(quán)利要求1所述的方法，其特征在于，所述圖像損失還包括壓縮損失，所述壓縮損失是指所述壓縮圖像相對(duì)于所述樣本圖像的損失。

3.如權(quán)利要求2所述的方法，其特征在于，所述圖像損失是通過(guò)對(duì)所述壓縮損失和所述感知損失加權(quán)處理得到的。

4.如權(quán)利要求2或3所述的方法，其特征在于，所述壓縮損失乘以第一權(quán)重值與所述感知損失乘以第二權(quán)重值處于相同的數(shù)量級(jí)。

5.如權(quán)利要求1至3中任一項(xiàng)所述的方法，其特征在于，所述感知損失與所述壓縮圖像的特征向量和所述待處理圖像的特征向量之間的分布差異相關(guān)，具體在于：感知損失是根據(jù)所述樣本圖像的特征向量和所述壓縮圖像的特征向量之間的均方誤差和分布差異確定的。

6.如權(quán)利要求5所述的方法，其特征在于，所述感知損失是根據(jù)以下等式得到的，

L_MSE＝||F(yⁱ)-F(xⁱ)||²；

L₁＝λ₁L_MMD(F₁,F₂)+λ₂L_MSE(F₁,F₂)；

其中，L_MMD表示最大平均差異損失函數(shù)，L_MSE表示均方誤差損失函數(shù)，L₁表示所述感知損失，n表示所述樣本圖像的數(shù)量，F(xiàn)()表示將圖像從圖像空間映射到第一特征空間，ψ()表示將提取的圖像特征從所述第一特征空間映射到第二特征空間，x表示所述樣本圖像，y表示所述壓縮圖像，F(xiàn)₁表示所述樣本圖像的特征向量，F(xiàn)₂表示所述壓縮圖像的特征向量，λ₁表示所述最大平均差異損失函數(shù)的預(yù)設(shè)系數(shù)，λ₂表示所述均方誤差損失函數(shù)的預(yù)設(shè)系數(shù)。

7.如權(quán)利要求2或3所述的方法，其特征在于，所述目標(biāo)圖像壓縮網(wǎng)絡(luò)的參數(shù)是基于所述壓縮損失和所述感知損失通過(guò)反向傳播算法多次迭代得到的。