[发明专利]图片处理方法、装置及存储介质

权利要求书

1.一种图片处理方法，其特征在于，包括：

对待检测图片进行预处理，获得处理后的图片；

从所述处理后的图片中，分别提取图像特征信息和文本特征信息；

根据所述图像特征信息和所述文本特征信息，确定所述待检测图片的类型，其中，所述图片的类型包括正常图片或异常图片。

2.根据权利要求1所述的方法，其特征在于，所述根据所述图像特征信息和所述文本特征信息，确定所述待检测图片的类型，包括：

对所述图像特征信息和所述文本特征信息进行拼接处理，获得拼接特征信息；

对所述拼接特征信息进行流形数据的降维处理，获得所述拼接特征信息的嵌入特征；

根据所述拼接特征信息的嵌入特征和预先确定的超球，确定所述待检测图片的类型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述拼接特征信息的嵌入特征和预先确定的超球，确定所述待检测图片的类型，包括：

判断所述嵌入特征是否处于所述超球内；

若所述嵌入特征处于所述超球内，则确定所述待检测图片为异常图片；

若所述嵌入特征不处于所述超球内，则确定所述待检测图片为正常图片。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述拼接特征信息的嵌入特征和预先确定的超球，确定所述待检测图片的类型之前，所述方法还包括：

获取多个样本图片；

分别提取所述多个样本图片中每个样本图片的映射特征；

对各个所述映射特征进行数据描述，得到所述超球。

5.根据权利要求4所述的方法，其特征在于，所述对各个所述映射特征进行数据描述，得到所述超球，包括：

通过支持向量数据描述SVDD算法对各个所述映射特征进行数据描述，得到所述超球。

6.根据权利要求1所述的方法，其特征在于，从所述处理后的图片中，提取图像特征信息，包括：

通过多级卷积神经网络CNN，从所述处理后的图片中，提取图像特征信息。

7.根据权利要求6所述的方法，其特征在于，所述通过多级卷积神经网络CNN，从所述处理后的图片中，提取图像特征信息，包括：

将所述处理后的图片输入至第一级CNN网络中，得到与所述处理后的图片对应的第一映射图像以及所述处理后的图片中目标图像的第一区域框坐标；

将所述第一映射图像和所述第一区域框坐标输入至第二级CNN网络中，得到与所述处理后的图片对应的第二映射图像以及所述处理后的图片中目标图像的第二区域框坐标；

将所述第二映射图像和所述第二区域框坐标输入至第三级CNN网络中，得到所述图像特征信息。

8.根据权利要求1所述的方法，其特征在于，从所述处理后的图片中，提取文本特征信息，包括：

通过多级卷积神经网络CNN和循环神经网络RNN，从所述处理后的图片中，提取所述文本特征信息。

9.根据权利要求1-8任一项所述的方法，其特征在于，所述对待检测图片进行预处理，获得处理后的图片，包括：

对所述待检测图片进行图像金字塔处理，获得所述处理后的图片。

10.根据权利要求9所述的方法，其特征在于，所述对所述待检测图片进行图像金字塔处理，获得所述处理后的图片之前，所述方法还包括：

对所述待检测图片进行图像颜色矫正处理，获得矫正后的图片；

所述对所述待检测图片进行图像金字塔处理，获得所述处理后的图片，包括：

对所述矫正后的图片进行图像金字塔处理，获得所述处理后的图片。