[發明專利]圖像處理方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211064292.6
• 申請日: 2022-09-01
• 公開（公告）號: CN115410002A
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 周翊航
• 申請（專利權）人: 中國農業銀行股份有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/30;G06V10/762
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 蔡舒野

1.一種圖像處理方法，其特征在于，包括：

獲取圖像處理的目標任務，所述目標任務包括原始特征矩陣；

獲取所述原始特征矩陣對應的潛在數據表示模型和潛在低秩表示模型；

將所述潛在數據表示模型和所述潛在低秩表示模型進行預設整合處理，獲得關于所述目標任務的潛在特征低秩表示模型，所述潛在特征低秩表示模型包括目標函數和約束條件，所述目標函數為關于所述潛在數據表示模型和所述潛在低秩表示模型中包含的至少一個參數的目標函數；

在所述約束條件下求解所述目標函數，獲得至少一個參數矩陣，所述參數矩陣為所述參數對應的矩陣；

根據所述目標任務確定目標參數矩陣，基于所述目標參數矩陣對所述目標任務進行計算，獲得所述目標任務的處理結果，所述目標參數矩陣包括至少一個所述參數矩陣。

2.根據權利要求1所述的方法，其特征在于，所述原始特征矩陣由所述原始特征矩陣的潛在表示、正交字典和第一重構誤差組成，所述原始特征矩陣的潛在表示由所述原始特征矩陣左乘所述原始特征矩陣對應的轉換矩陣獲得；

所述獲取所述原始特征矩陣對應的潛在數據表示模型，包括：

根據所述原始特征矩陣、所述轉換矩陣、所述正交字典和所述第一重構誤差獲得所述潛在數據表示模型。

3.根據權利要求1所述的方法，其特征在于，所述獲取所述原始特征矩陣對應的潛在低秩表示模型，包括：

獲取所述原始特征矩陣中關于低秩表示學習的表示系數矩陣；

根據所述表示系數矩陣和第二重構誤差獲得所述低秩表示學習模型。

4.根據權利要求1所述的方法，其特征在于，所述將所述潛在數據表示模型和所述潛在低秩表示模型進行預設整合處理，獲得關于所述目標任務的潛在特征低秩表示模型，包括：

將所述潛在數據表示模型和所述潛在低秩表示模型進行整合獲得初始潛在特征低秩表示模型；

從所述原始特征矩陣中提取鄰近樣本點之間的局部結構信息，并對所述潛在數據表示模型中的潛在表示引入范數；

根據所述初始潛在特征低秩表示模型、所述局部結構信和所述潛在表示的范數，獲得所述潛在特征低秩表示模型。

5.根據權利要求1所述的方法，其特征在于，所述在所述約束條件下求解所述目標函數，獲得至少一個參數矩陣，包括：

優化所述目標函數獲得主函數，所述主函數包括所述至少一個參數；

對于所述至少一個參數中的任一參數，采取固定所有其他參數更新單個參數的方式進行迭代求解，獲得所述至少一個參數矩陣，所述至少一個參數矩陣包括所述正交字典、所述轉換矩陣、所述表示系數矩陣、所述第一重構誤差組成和所述第二重構誤差組成。

6.根據權利要求5所述的方法，其特征在于，所述目標任務為圖像特征提取任務，所述原始特征矩陣由圖像中的像素點組成，所述目標參數矩陣為所述轉換矩陣；

相應地，所述根據所述目標任務確定目標參數矩陣，基于所述目標參數矩陣對所述目標任務進行計算，獲得所述目標任務的處理結果，包括：

基于所述轉換矩陣對所述原始特征矩陣中的像素點數據進行提取，獲得所述原始特征矩陣的特征數據。

7.根據權利要求5所述的方法，其特征在于，所述目標任務為圖像聚類任務，所述原始特征矩陣由多個樣本圖像組成，所述目標參數矩陣為所述表示系數矩陣；

相應地，所述根據所述目標任務確定目標參數矩陣，基于所述目標參數矩陣對所述目標任務進行計算，獲得所述目標任務的處理結果，包括：

對所述系數矩陣進行奇異值分解，獲得左奇異矩陣；

對所述左奇異矩陣和原始奇異值矩陣進行預設處理，獲得每兩個樣本圖像間的親和矩陣；

基于預設聚類算法對每兩個樣本圖像間的親和矩陣進行聚類計算，獲得所述多個樣本圖像的聚類結果。