[发明专利]一种图像处理方法、装置及计算机可读存储介质在审

专利信息
申请号: 201910209799.8 申请日: 2019-03-19
公开(公告)号: CN111724330A 公开(公告)日: 2020-09-29
发明(设计)人: 邓斌 申请(专利权)人: 广州金山移动科技有限公司;珠海金山办公软件有限公司;北京金山办公软件股份有限公司
主分类号: G06T5/50 分类号: G06T5/50
代理公司: 北京安信方达知识产权代理有限公司 11262 代理人: 凌齐文;李丹
地址: 510000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 处理 方法 装置 计算机 可读 存储 介质
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

服务器获取待处理图像;

利用预先建立的图像处理模型识别和处理所述待处理图像中图像质量不符合预设标准的图像,得到图像质量符合预设标准的图像。

2.根据权利要求1所述的图像处理方法,其特征在于,所述获取图像质量不符合预设标准的待处理图像之前,还包括:

获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张图像质量符合所述预设标准的标准图像,以及多张图像质量不符合所述预设标准的非标准图像;

以获得的图像组作为输入训练预设神经网络模型,得到所述图像处理模型。

3.根据权利要求2所述的图像处理方法,其特征在于,所述以获得的图像组作为输入训练预设神经网络模型,包括:

遍历每组图像中的非标准图像,将所述标准图像分别与一张非标准图像进行组合以得到图像组合;

对每个图像组合中的标准图像进行标注;

将经过标注的图像组合作为输入训练所述预设神经网络模型。

4.根据权利要求1所述的图像处理方法,其特征在于,所述获取待处理图像,包括:

获取图像的选择信息;其中,所述选择信息为从多张图像中选择一个或多个图像作为所述待处理图像的标识信息;

根据所述选择信息从图像集合中选择相应的图像作为所述待处理图像。

5.根据权利要求2或3所述的图像处理方法,其特征在于,所述预设神经网络模型包括:神经网络模型TensorFlow。

6.一种服务器,其特征在于,包括:

获取模块,用于获取待处理图像;

处理模块,用于利用预先建立的图像处理模型识别和处理所述待处理图像中图像质量不符合预设标准的图像,得到图像质量符合预设标准的图像。

7.根据权利要求6所述的服务器,其特征在于,

所述获取模块,还用于获取至少一组图像;其中,每组图像包括:针对同一拍摄对象的一张图像质量符合所述预设标准的标准图像,以及多张图像质量不符合所述预设标准的非标准图像;

所述处理模块,还用于以获得的图像组作为输入训练预设神经网络模型,得到所述图像处理模型。

8.根据权利要求7所述的服务器,其特征在于,所述处理模块具体用于:

遍历每组图像中的非标准图像,将所述标准图像分别与一张非标准图像进行组合以得到图像组合;

对每个图像组合中的标准图像进行标注;

将经过标注的图像组合作为输入训练所述预设神经网络模型。

9.一种图像处理装置,其特征在于,包括:处理器和存储器,其中,存储器中存储有以下可被处理器执行的命令:

获取待处理图像;

利用预先建立的图像处理模型识别和处理所述待处理图像中图像质量不符合预设标准的图像,得到图像质量符合预设标准的图像。

10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机可执行命令,所述计算机可执行命令用于执行以下步骤:

获取待处理图像;

利用预先建立的图像处理模型识别和处理所述待处理图像中图像质量不符合预设标准的图像,得到图像质量符合预设标准的图像。

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广州金山移动科技有限公司;珠海金山办公软件有限公司;北京金山办公软件股份有限公司,未经广州金山移动科技有限公司;珠海金山办公软件有限公司;北京金山办公软件股份有限公司许可,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/201910209799.8/1.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