[发明专利]图像处理方法、装置、设备及计算机可读介质有效

专利信息
申请号: 201910168399.7 申请日: 2019-03-06
公开(公告)号: CN109829850B 公开(公告)日: 2023-04-28
发明(设计)人: 张继丰 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06T3/00 分类号: G06T3/00;G06T5/00;G06T7/194;H04N23/95
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 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 方法 装置 设备 计算机 可读 介质
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

检测图像中各人物的位置信息;

如果检测到对所述图像中目标人物的选择信号,则利用所述目标人物的位置信息在所述图像中确定目标区域;

将所述目标区域的像素点从所述图像中删除;

根据所述图像的背景区域对删除像素点后的目标区域进行填充,所述图像的背景区域包括所述图像中除了所述目标区域之外的区域;

其中,所述根据所述图像的背景区域对删除像素点后的目标区域进行填充,包括:

响应于确定所述背景区域中为颜色单一的背景,计算所述图像的背景区域与删除像素点后的目标区域的边界像素点的像素特征;将所述像素特征输入第一匹配模型,在删除像素点后的目标区域,得到进行填充的、匹配度最高的像素点,其中,所述第一匹配模型通过深度学习算法建立;

响应于确定所述背景区域中为包括纹理形状的背景,计算所述图像的背景区域的纹理特征和像素特征;将所述背景区域的纹理特征和像素特征输入第二匹配模型,逐步在所述目标区域和所述背景区域的边界位置生成与所述背景区域的纹理特征和像素特征匹配度最高的像素点,直至填充满整个目标区域,其中,所述第二匹配模型通过深度学习算法建立。

2.根据权利要求1所述的方法,其特征在于,检测图像中各人物的位置信息,包括:

识别所述图像中的各人物,并获取各所述人物在图像中的位置信息;

根据所述位置信息分别对所述图像中的各人物进行标注。

3.根据权利要求1所述的方法,其特征在于,利用所述目标人物的位置信息在所述图像中确定目标区域,包括:

利用所述目标人物的位置信息获取所述目标人物与所述图像的背景区域的边界像素点,各所述边界像素点组成的封闭区域为所述目标区域。

4.一种图像处理装置,其特征在于,包括:

检测模块,用于检测图像中各人物的位置信息;

定位模块,用于如果检测到对所述图像中目标人物的选择信号,则利用所述目标人物的位置信息在所述图像中确定目标区域;

删除模块,用于将所述目标区域的像素点从所述图像中删除;

填充模块,用于根据所述图像的背景区域对删除像素点后的目标区域进行填充,所述图像的背景区域包括所述图像中除了所述目标区域之外的区域;

其中,所述填充模块包括:

第一计算子模块,用于响应于确定所述背景区域中为颜色单一的背景,计算所述图像的背景区域与删除像素点后的目标区域的边界像素点的像素特征;

第一填充子模块,用于将所述像素特征输入第一匹配模型,在删除像素点后的目标区域,得到进行填充的、匹配度最高的像素点,其中,所述第一匹配模型通过深度学习算法建立;

第二计算子模块,用于响应于确定所述背景区域中为包括纹理形状的背景,计算所述图像的背景区域的纹理特征和像素特征;

第二填充子模块,用于将所述背景区域的纹理特征和像素特征输入第二匹配模型,逐步在所述目标区域和所述背景区域的边界位置生成与所述背景区域的纹理特征和像素特征匹配度最高的像素点,直至填充满整个目标区域,其中,所述第二匹配模型通过深度学习算法建立。

5.根据权利要求4所述的装置,其特征在于,所述检测模块包括:

识别子模块,用于识别所述图像中的各人物,并获取各所述人物在图像中的位置信息;

标注子模块,用于根据所述位置信息分别对所述图像中的各人物进行标注。

6.根据权利要求4所述的装置,其特征在于,所述定位模块具体用于利用所述目标人物的位置信息获取所述目标人物与所述图像的背景区域的边界像素点,各所述边界像素点组成的封闭区域为所述目标区域。

7.一种图像处理设备,其特征在于,所述设备包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序;

当所述一个或多个程序被所述一个或多个处理器执行根据时,使得所述一个或多个处理器实现如权利要求1-3中任一所述的图像处理方法。

8.一种计算机可读介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一所述的图像处理方法。

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百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)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/201910168399.7/1.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