[发明专利]图像处理方法、装置及设备有效

专利信息
申请号: 201810151206.2 申请日: 2018-02-13
公开(公告)号: CN108364267B 公开(公告)日: 2019-07-05
发明(设计)人: 周舒畅;何蔚然;倪成卓 申请(专利权)人: 北京旷视科技有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06N3/08;G06T7/90;H04N5/232
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 王术兰
地址: 100000 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像处理参数 图像处理单元 图像处理 原始图像 装置及设备 调整参数 神经网络 图像处理操作 图像处理技术 硬件要求
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

获取待处理的原始图像;

根据预先训练得到的神经网络确定所述原始图像对应的调整参数;其中,所述调整参数至少包括图像处理参数;所述神经网络包括卷积神经网络;所述卷积神经网络包括交替组成的卷积层、池化层、卷积层、池化层和全局平均池化层;所述卷积层用于提取图像特征;所述池化层用于降低卷积层输出的特征向量维度;所述全局平均池化层用于加强特征映射到类别映射的信任度;

将所述图像处理参数发送给图像处理单元,以使所述图像处理单元按照所述图像处理参数对所述原始图像进行图像处理操作;

所述调整参数还包括传感器控制参数;

所述方法还包括:

根据所述传感器控制参数调整图像传感器的物理状态;其中,所述图像传感器为采集所述原始图像的器件。

2.根据权利要求1所述的方法,其特征在于,所述根据预先训练得到的神经网络确定所述原始图像对应的调整参数的步骤,包括:

将所述原始图像输入至预先训练得到的神经网络,以使所述神经网络对所述原始图像进行特征处理,输出所述原始图像对应的调整参数。

3.根据权利要求1或2任一项所述的方法,其特征在于,所述方法还包括:

获取训练图像以及与所述训练图像对应的基准处理图像;其中,所述基准处理图像是所述训练图像经图像处理所得;

基于所述训练图像和所述基准处理图像,对所述神经网络进行训练。

4.根据权利要求3所述的方法,其特征在于,基于所述训练图像和所述基准处理图像,对所述神经网络进行训练的步骤,包括:

根据所述训练图像和所述基准处理图像,确定所述训练图像对应的调整参数;

将标注有对应的调整参数的所述训练图像输入至所述神经网络,计算损失函数值;

基于所述损失函数值对所述神经网络进行训练,直至所述损失函数值收敛至预设值,和/或,训练次数达到预设次数时停止训练。

5.根据权利要求1所述的方法,其特征在于,所述根据所述传感器控制参数调整图像传感器的物理状态的步骤,包括:

将所述传感器控制参数直接反馈给所述图像传感器,以使所述图像传感器按照所述传感器控制参数对所述图像传感器的物理状态进行调整。

6.根据权利要求1所述的方法,其特征在于,所述根据所述传感器控制参数调整图像传感器的物理状态的步骤,包括:

将所述传感器控制参数发送给所述图像处理单元,以使所述图像处理单元根据所述传感器控制参数确定所述图像传感器的物理参数;其中,所述物理参数为表征所述图像传感器的物理状态的参数;

将所述图像处理单元确定的所述图像传感器的物理参数反馈给所述图像传感器,以使所述图像传感器按照接收的所述物理参数对所述图像传感器的物理状态进行调整。

7.根据权利要求1所述的方法,其特征在于,所述图像处理参数包括色彩恒常处理参数和/或画质损伤修复处理参数;

所述传感器控制参数包括光圈控制参数、曝光控制参数、对焦控制参数、增益控制参数、白平衡控制参数中的一种或多种。

8.一种图像处理装置,其特征在于,包括:

图像获取模块,用于获取待处理的原始图像;

参数确定模块,用于根据预先训练得到的神经网络确定所述原始图像对应的调整参数;其中,所述调整参数至少包括图像处理参数;所述神经网络包括卷积神经网络;所述卷积神经网络包括交替组成的卷积层、池化层、卷积层、池化层和全局平均池化层;所述卷积层用于提取图像特征;所述池化层用于降低卷积层输出的特征向量维度;所述全局平均池化层用于加强特征映射到类别映射的信任度;

图像处理模块,用于将所述图像处理参数发送给图像处理单元,以使所述图像处理单元按照所述图像处理参数对所述原始图像进行图像处理操作;

所述调整参数还包括传感器控制参数;

所述装置还包括传感器调整模块,用于根据传感器控制参数调整图像传感器的物理状态;其中,图像传感器为采集原始图像的器件。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京旷视科技有限公司,未经北京旷视科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810151206.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top