[发明专利]图像处理方法、处理装置和处理设备

权利要求书

1.一种图像处理方法，包括：

获取包括N个通道的第一图像，N为大于等于1的正整数；

利用生成神经网络对所述第一图像进行图像转换处理，以输出转换后的输出图像，

其中，所述生成神经网络是基于拉普拉斯变换函数训练得到的，

其中，基于不同噪声图像来训练所述生成神经网络，并且基于利用不同噪声图像所生成的所述转换后的不同输出图像之间的差异来训练所述生成神经网络，其中，所述不同输出图像包括第一输出图像和第二输出图像；

其中，训练所述生成神经网络包括：

将所述第一输出图像输入至鉴别神经网络，用于输出所述第一输出图像是否具有转换特征的鉴别标签；

利用第一损失计算单元根据所述第一图像、第一输出图像、第二输出图像和鉴别标签计算所述生成神经网络的损失值，优化所述生成神经网络的参数；

其中，所述第一损失计算单元包括分析网络、拉普拉斯变换器、第一损失计算器和优化器，并且所述利用第一损失计算单元计算所述生成神经网络的损失值包括：

利用分析网络输出所述第一输出图像、第二输出图像的风格特征；

利用拉普拉斯变换器获得第一图像、第一输出图像和第二输出图像的拉普拉斯变换图像；

利用第一损失计算器根据分析网络提取的风格特征、拉普拉斯变换器输出的拉普拉斯变换结果和所述第一输出图像的鉴别标签按照第一损失函数计算所述生成神经网络的损失值；

利用优化器根据所述生成神经网络的损失值优化所述生成神经网络的参数；

其中，所述第一损失函数包括普拉斯变换函数和风格损失函数，并且计算所述生成神经网络的损失值包括：根据第一输出图像的风格特征和第二输出图像的风格特征按照风格损失函数计算所述生成神经网络的风格损失值。

2.根据权利要求1所述的图像处理方法，其中，所述利用生成神经网络对所述第一图像进行图像转换处理包括：

利用生成神经网络基于包括所述第一图像和第一噪声图像的输入图像对所述第一图像进行图像转换处理。

3.根据权利要求2所述的图像处理方法，其中，

所述生成神经网络的输入包括第一噪声图像和第一图像的N个通道，所述第一噪声图像包括M个通道，M为大于等于1的正整数。

4.根据权利要求1所述的图像处理方法，其中，所述生成神经网络包括一个或多个下采样模块、一个或多个残差模块和一个或多个上采样模块，其中：

所述下采样模块包括依次连接的卷积层、下采样层和实例标准化层；所述残差模块包括依次连接的卷积层和实例标准化层；所述上采样模块包括依次连接的上采样层、实例标准化层和卷积层，其中，所述上采样模块的个数与所述下采样模块的个数相等。

5.根据权利要求2所述的图像处理方法，其中，所述输入图像作为第一训练图像，所述第一噪声图像作为第一训练噪声图像，所述转换后的输出图像作为第一输出图像，所述图像处理方法还包括：

获取第二训练图像，其中所述第二训练图像包括第二训练噪声图像和第一图像的信息，其中，所述第二训练噪声图像与所述第一训练噪声图像不相同；

利用所述生成神经网络对所述第二训练图像进行图像转换处理，输出第二输出图像；

基于第一图像、第一输出图像和第二输出图像训练所述生成神经网络。

6.根据权利要求1所述的图像处理方法，其中，计算所述生成神经网络的损失值还包括：根据第一图像、第一输出图像和第二输出图像的拉普拉斯变换结果按照拉普拉斯变换函数计算生成神经网络的拉普拉斯变换损失值。