[發明專利]圖像風格的轉換方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202010199217.5
• 申請日: 2020-03-20
• 公開（公告）號: CN111402121A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 周康明;李俊杰
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 盧曉霞

本申請涉及一種圖像風格的轉換方法、裝置、計算機設備和存儲介質。所述方法包括：將第一圖像輸入至目標生成對抗網絡中，得到所述目標生成對抗網絡輸出的第二圖像；所述第一圖像和所述第二圖像的圖像風格不同；其中，所述目標生成對抗網絡在訓練過程中使用損失函數和清晰度函數進行訓練約束，所述清晰度函數用于反映訓練過程中所述目標生成對抗網絡的輸出圖像的清晰程度。采用本方法能夠使圖像風格轉換后的圖像更加清晰。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種圖像風格的轉換方法、裝置、計算機設備和存儲介質。

背景技術

隨著神經網絡的發展，出現了深度學習。深度學習的動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。因此，基于深度學習模型，可以進行圖像處理、語音處理、自然語言處理等。

其中，生成對抗網絡是一種可以對不同風格的圖像進行相互轉換的深度學習模型。例如，生成對抗網絡可以將油畫風格的圖像轉換為水彩風格，或者將水彩風格轉換為素描風格。

但是，生成對抗網絡在進行圖像風格轉換時，存在輸出圖像不清晰的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高輸出圖像清晰度的圖像風格的轉換方法、裝置、計算機設備和存儲介質。

一種圖像風格的轉換方法，該方法包括：

將第一圖像輸入至目標生成對抗網絡中，得到目標生成對抗網絡輸出的第二圖像；第一圖像和第二圖像的圖像風格不同；

其中，目標生成對抗網絡在訓練過程中使用損失函數和清晰度函數進行訓練約束，清晰度函數用于反映訓練過程中目標生成對抗網絡的輸出圖像的清晰程度。

在其中一個實施例中，上述清晰度函數根據訓練過程中目標生成對抗網絡的輸出圖像的信息熵構建。

在其中一個實施例中，上述目標生成對抗網絡的訓練過程包括：

獲取訓練樣本集；訓練樣本集包括多個第一樣本圖像和各第一樣本圖像對應的第二樣本圖像，第一樣本圖像與第二樣本圖像的圖像風格不同；

將第一樣本圖像輸入到未經訓練的目標生成對抗網絡中，得到未經訓練的目標生成對抗網絡的輸出圖像；

采用損失函數對輸出圖像和第二樣本圖像進行計算，得到損失計算結果；

采用清晰度函數對輸出圖像進行計算，得到清晰度計算結果；

根據損失計算結果和清晰度計算結果對未經訓練的目標生成對抗網絡的參數進行調整，得到目標生成對抗網絡。

在其中一個實施例中，上述采用清晰度函數對輸出圖像進行計算，得到清晰度計算結果，包括：

對于預先劃分的每個像素值區間，確定輸出圖像中各像素值位于像素值區間的概率；

根據多個像素值區間分別對應的概率進行信息熵計算，得到清晰度計算結果。

在其中一個實施例中，上述對于預先劃分的每個像素值區間，確定輸出圖像中各像素值位于像素值區間的概率，包括：

根據輸出圖像中各像素點的像素值，確定各像素點所在的像素值區間；

統計各像素值區間中的像素點數量；

計算各像素值區間中的像素點數量與輸出圖像中的像素點總數之間的比值，并將比值作為各像素值區間對應的概率。

在其中一個實施例中，在上述對于預先劃分的每個像素值區間，確定所述輸出圖像中各像素值位于所述像素值區間的概率之前，該方法還包括：