[發明專利]圖像處理方法、裝置及設備、非易失性存儲介質

在審

• 申請號: 202011133416.2
• 申請日: 2020-10-21
• 公開（公告）號: CN114463188A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 牛振興;屈書毅;齊默爾曼;葛迪;普羅特;馬譚
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62;G06V10/774
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 謝湘寧;張文華

1.一種圖像處理方法，其特征在于，包括：

獲取原始圖像；

從所述原始圖像中擦除目標對象，得到待填充圖像；

通過多個圖像尺度對所述待填充圖像進行圖像復原處理，輸出目標圖像。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

分別為所述多個圖像尺度中的每個圖像尺度設置對應的生成器和判別器；

利用樣本圖像對所述生成器進行訓練，得到訓練圖像；

采用所述判別器對所述訓練圖像進行檢驗，并基于檢驗結果調整所述生成器中的參數，得到待使用的生成器結構。

3.根據權利要求2所述的方法，其特征在于，利用所述樣本圖像對所述生成器進行訓練包括：

處理步驟，將當前圖像尺度對應的樣本圖像輸入至所述當前圖像尺度對應的生成器進行圖像復原處理，得到第一處理結果；

融合步驟，將所述第一處理結果與第二處理結果進行融合，輸出更新后的第二處理結果，其中，所述第二處理結果是由所述當前圖像尺度相鄰的下一層圖像尺度對應的生成器輸出的處理結果，所述下一層圖像尺度小于所述當前圖像尺度；

判斷步驟，判斷是否存在尚未融合的圖像尺度，如果存在，則轉到所述處理步驟，如果不存在，則將所述更新后的第二處理結果確定為所述訓練圖像。

4.根據權利要求3所述的方法，其特征在于，采用所述判別器對所述訓練圖像進行檢驗，并基于所述檢驗結果調整所述生成器中的參數包括：

采用所述判別器將真實圖像與所述訓練圖像進行比較，確定圖像差異；

基于所述圖像差異調整所述生成器中的參數。

5.根據權利要求2所述的方法，其特征在于，通過所述多個圖像尺度對所述待填充圖像進行圖像復原處理，輸出所述目標圖像包括：

將所述待填充圖像輸入所述待使用的生成器結構，進行圖像復原處理，輸出所述目標圖像。

6.根據權利要求5所述的方法，其特征在于，將所述待填充圖像輸入所述待使用的生成器結構，進行圖像復原處理，輸出所述目標圖像包括：

處理步驟，將所述待填充圖像輸入至當前圖像尺度對應的生成器進行圖像復原處理，得到第三處理結果；

融合步驟，將所述第三處理結果與第四處理結果進行融合，輸出更新后的第四處理結果，其中，所述第四處理結果是由所述當前圖像尺度相鄰的下一層圖像尺度對應的生成器輸出的處理結果，所述下一層圖像尺度小于所述當前圖像尺度；

判斷步驟，判斷是否存在尚未融合的圖像尺度，如果存在，則轉到所述處理步驟，如果不存在，則將所述更新后的第四處理結果確定為所述目標圖像。

7.一種圖像處理方法，其特征在于，包括：

通過多個圖像尺度中每個圖像尺度對應的樣本圖像對初始神經網絡模型進行訓練，得到目標神經網絡模型；

從原始圖像中擦除目標對象，得到待填充圖像；

將所述待填充圖像輸入至所述目標神經網絡模型進行圖像復原處理，輸出目標圖像。

8.一種圖像處理裝置，其特征在于，包括：

獲取模塊，用于獲取原始圖像；

擦除模塊，用于從所述原始圖像中擦除目標對象，得到待填充圖像；

復原處理模塊，用于通過多個圖像尺度對所述待填充圖像進行圖像復原處理，輸出目標圖像。

9.一種圖像處理裝置，其特征在于，包括：

訓練單元，用于通過多個圖像尺度中每個圖像尺度對應的樣本圖像對初始神經網絡模型進行訓練，得到目標神經網絡模型；

擦除單元，用于從原始圖像中擦除目標對象，得到待填充圖像；

復原處理單元，用于將所述待填充圖像輸入至所述目標神經網絡模型進行圖像復原處理，輸出目標圖像。

10.一種非易失性存儲介質，其特征在于，所述非易失性存儲介質包括存儲的程序，其中，在所述程序運行時控制所述非易失性存儲介質所在設備執行權利要求1至7中任意一項所述的圖像處理方法。