[发明专利]图像处理方法及装置

权利要求书

1.一种图像处理方法，其特征在于，应用于电子设备，所述方法包括：

获得待处理图像；

将所述待处理图像输入到预先配置的卷积神经网络中，获取所述待处理图像在所述卷积神经网络中最后一层卷积层的卷积映射，所述卷积映射包括该卷积层中每个像素点的违禁置信度；

基于所述卷积映射计算所述待处理图像中每个像素点的违禁置信度，并基于所述待处理图像中每个像素点的违禁置信度得到所述待处理图像的违禁热力图；

获取所述违禁热力图中最高违禁置信度的目标区域坐标；

基于所述目标区域坐标从所述待处理图像中分割出对应的坐标片段，以得到所述待处理图像的违禁区域。

2.根据权利要求1所述的图像处理方法，其特征在于，所述将所述待处理图像输入到预先配置的卷积神经网络中，获取所述待处理图像在所述卷积神经网络中最后一层卷积层的卷积映射，包括：

将所述待处理图像输入到预先配置的卷积神经网络中，获取所述待处理图像在所述卷积神经网络中最后一层卷积层的每个像素点的违禁信息权重；

基于所述每个像素点的违禁信息权重获取所述待处理图像在所述卷积神经网络中最后一层卷积层的卷积映射。

3.根据权利要求2所述的图像处理方法，其特征在于，所述基于所述每个像素点的违禁信息权重获取所述待处理图像在所述卷积神经网络中最后一层卷积层的卷积映射的计算公式为：

Conv_i,j＝255×p_i,j×W_i,j,0≤Conv_i,j≤255,0≤i<w_conv,0≤j<h_conv

Conv_i,j为待处理图像在最后一层卷积层中每个像素点的违禁置信度；

w_src为待处理图像的宽，且0<w_src；

h_src为待处理图像的高，且0<h_src；

Feat_conv为根据鉴别违禁信息的卷积神经网络，获取待处理图像的最后一层卷积映射；

w_conv为该卷积映射Feat_conv的宽，且3≤w_conv<w_src；

h_conv为该卷积映射Feat_conv的高，且3≤h_conv<h_src；

p_i,j为每个像素点的像素值，且0≤p_i,j≤1,0≤i<w_conv,0≤j<h_conv；

W_i,j为每个像素点的违禁信息权重，且0≤W_i,j≤1。

4.根据权利要求1所述的图像处理方法，其特征在于，在获得待处理图像之前，所述方法还包括：

训练所述卷积神经网络；

所述训练所述卷积神经网络的方式；

接收输入的违禁信息数据集；

基于所述违禁信息数据集训练卷积神经网络，获得具有违禁信息鉴别能力的卷积神经网络。

5.根据权利要求1所述的图像处理方法，其特征在于，所述基于所述卷积映射计算所述待处理图像中每个像素点的违禁置信度，包括：

基于所述卷积映射，采用双线性插值法计算所述待处理图像中每个像素点的违禁置信度。