[發明專利]一種圖像處理方法、裝置、設備及存儲介質

在審

• 申請號: 202010789107.4
• 申請日: 2020-08-07
• 公開（公告）號: CN111899199A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 唐健;潘國峰;陶昆;祝嚴剛
• 申請（專利權）人: 深圳市捷順科技實業股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 夏歡

本申請公開了一種圖像處理方法、裝置、設備及存儲介質。該方法的步驟包括：獲取待處理圖像以及待處理圖像的干擾因素類型；根據干擾因素類型獲取相應的去干擾網絡模型；其中，去干擾網絡模型基于樣本原始圖像，以及基于樣本原始圖像增加樣本干擾特征后的樣本干擾圖像訓練得到；基于去干擾網絡模型去除待處理圖像中的干擾因素特征，得到結果圖像。本方法能夠識別待處理圖像中的干擾因素特征，進而實現了對待處理圖像中干擾因素的去除，提高了待處理圖像的清晰度，進而確保了基于待處理圖像進行特征提取或標注的準確性以及可靠性。此外，本申請還提供一種圖像處理裝置、設備及存儲介質，有益效果同上所述。

技術領域

本申請涉及圖像處理領域，特別是涉及一種圖像處理方法、裝置、設備及存儲介質。

背景技術

目前，隨著深度學習的快速發展與完善，計算機視覺技術取得了巨大的進步，當前往往能夠通過計算機視覺技術對場景圖像中的物體特征或數據進行識別以及標注，無需通過人為方式根據圖像中的內容進行手工標注。

基于計算機視覺技術對圖像進行特征獲取或標注的基礎是圖像清晰，但是在如車輛檢測和和車牌識別系統在出入口控制或安全監控等應用場景下，對車輛進行拍攝得到圖像往往會受到天氣等客觀因素的干擾，而導致圖像的清晰度降低，進而難以確保基于圖像進行特征提取或標注的準確性以及可靠性。

由此可見，提供一種圖像處理方法，以實現對圖像中干擾因素的去除，提高圖像的清晰度，進而確保基于圖像進行特征提取或標注的準確性以及可靠性，是本領域技術人員需要解決的問題。

發明內容

本申請的目的是提供一種圖像處理方法、裝置、設備及存儲介質，以實現對圖像中干擾因素的去除，提高圖像的清晰度，進而確保基于圖像進行特征提取或標注的準確性以及可靠性。

為解決上述技術問題，本申請提供一種圖像處理方法，包括：

獲取待處理圖像以及待處理圖像的干擾因素類型；

根據干擾因素類型獲取相應的去干擾網絡模型；其中，去干擾網絡模型基于樣本原始圖像，以及基于樣本原始圖像增加樣本干擾特征后的樣本干擾圖像訓練得到；

基于去干擾網絡模型去除待處理圖像中的干擾因素特征，得到結果圖像。

優選地，去干擾網絡模型的生成過程包括：

獲取樣本原始圖像以及與干擾因素類型對應的樣本干擾特征；

將樣本干擾特征增加至樣本原始圖像，得到樣本干擾圖像；

基于待訓練網絡模型提取樣本干擾圖像中的干擾提取特征，并基于樣本干擾圖像去除干擾提取特征，得到干擾去除圖像；

計算樣本干擾特征與干擾提取特征之間的第一特征損失，以及干擾去除圖像與樣本原始圖像之間的第二特征損失；

根據第一特征損失以及第二特征損失更新待訓練網絡模型，得到去干擾網絡模型。

優選地，待處理圖像的干擾因素類型包括雨霧干擾類型；

相應的，樣本干擾特征包括樣本雨痕特征以及樣本光特征，干擾提取特征包括雨痕特征以及光特征。

優選地，基于待訓練網絡模型提取樣本干擾圖像中的干擾提取特征，并基于樣本干擾圖像去除干擾提取特征，包括：

基于待訓練網絡模型中的第一特征提取模型提取樣本干擾圖像中的雨痕特征；

基于待訓練網絡模型中的第二特征提取模型提取樣本干擾圖像中的光特征；

通過待訓練網絡模型中的混合網絡在樣本干擾圖像中去除雨痕特征以及光特征。

優選地，第一特征損失包括均方誤差，第二特征損失包括對抗損失。