[发明专利]一种图像处理方法、装置及终端设备

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

利用第一损失函数对基础神经网络模型进行训练，得到第一神经网络模型；

利用第二损失函数对所述第一神经网络模型进行训练，得到第二神经网络模型；

将待处理图像输入所述第二神经网络模型进行处理后，生成所述待处理图像对应的目标图像。

2.如权利要求1所述的方法，其特征在于，所述第一损失函数具体为：

L₁＝||I_pre-I_gt||

其中，I_pre表示将第一图像输入基础神经网络模型进行处理后所输出的第二图像，I_gt表示所述第一图像对应的第三图像，所述第一图像为原始暗光图像，所述第三图像为跟所述原始暗光图像在同一场景，同样暗光条件下，通过三脚架上的相机进行预设时长长曝光拍摄而成的图像，表示对图像I求绝对值之后再求平均值，I表示图像I_pre减去图像I_gt后生成的图像，H表示图像I的高,W表示图像I的宽，C表示图像I的通道数，(w,h,c)代表图像I中第c通道，第w列，第h行对应的像素值。

3.如权利要求1所述的方法，其特征在于，所述第二损失函数具体为：

L_T＝||G(φ(I_pre))-G(φ(I_gt))||

其中，G为二维矩阵，其长和宽均为C；c1,c2为矩阵G的下标；φ表示VGG19模型的层结构中的激活值relu2_2激活层的特征图；I表示输入到φ的图像；H，W表示选取φ(I)特征图中高为H，宽为W的小块进行计算，w，h，c表示φ(I)特征图中选取小块中的第w列，第h行，第c通道对应的值。

4.如权利要求1至3任一所述的方法，其特征在于，所述利用第一损失函数对基础神经网络模型进行训练，得到第一神经网络模型的步骤，包括：

将训练样本图像输入所述基础神经网络模型；

根据预设的第一训练参数，利用所述第一损失函数对所述基础神经网络模型进行训练，得到对所述基础神经网络模型的参数进行调整后的第一神经网络模型。

5.如权利要求1至3任一所述的方法，其特征在于，所述利用第二损失函数对所述第一神经网络模型进行训练，得到第二神经网络模型的步骤，包括：

将训练样本图像输入所述第一神经网络模型；

根据预设的第二训练参数，利用所述第二损失函数对所述第一神经网络模型进行训练，得到对所述第一神经网络模型的参数进行调整后的第二神经网络模型。

6.一种图像处理装置，其特征在于，所述装置包括：

第一训练单元，用于利用第一损失函数对基础神经网络模型进行训练，得到第一神经网络模型；

第二训练单元，用于利用第二损失函数对所述第一神经网络模型进行训练，得到第二神经网络模型；

图像处理单元，用于将待处理图像输入所述第二神经网络模型进行处理后，生成所述待处理图像对应的目标图像。

7.如权利要求6所述的装置，其特征在于，所述第一损失函数具体为：

L₁＝||I_pre-I_gt||

其中，I_pre表示将第一图像输入基础神经网络模型进行处理后所输出的第二图像，I_gt表示所述第一图像对应的第三图像，所述第一图像为原始暗光图像，所述第三图像为跟所述原始暗光图像在同一场景，同样暗光条件下，通过三脚架上的相机进行预设时长长曝光拍摄而成的图像，表示对图像I求绝对值之后再求平均值，I表示图像I_pre减去图像I_gt后生成的图像，H表示图像I的高,W表示图像I的宽，C表示图像I的通道数，(w,h,c)代表图像I中第c通道，第w列，第h行对应的像素值。