[发明专利]一种图像处理方法、装置及系统

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取图像采集设备采集的用户面部的UV图像；

利用预设卷积神经网络模型对所述UV图像进行处理，得到对应的灰度纹理图；

对所述灰度纹理图进行锐化处理，得到反映所述用户面部毛孔油脂堆积情况的目标图像；

输出所述目标图像；

其中，所述预设卷积神经网络模型包括第一编码模块、第二编码模块、第一解码模块、第二解码模块和卷积模块，所述利用预设卷积神经网络模型对所述UV图像进行处理，得到对应的灰度纹理图，包括：

利用第一编码模块、第二编码模块和第一解码模块、第二解码模块和卷积模块对所述UV图像进行处理，得到对应的灰度纹理图；

其中，所述第一编码模块的输出，一方面作为所述第二编码模块的输入，另一方面作为所述第一解码模块的输入，所述第二编码模块的输出，作为所述第二解码模块的输入，所述第一解码模块和所述第二解码模块的输出作为所述卷积模块的输入，所述卷积模块的输出即为所述灰度纹理图；

所述第一编码模块使用第一卷积层对输入的图像进行卷积处理，生成16×512×512的第一特征图，所述第一卷积层的卷积核大小为3×3，卷积核步长为1；

所述第一编码模块使用第一全连接层对所述第一卷积层生成的第一特征图进行全连接处理，生成32×512×512的第二特征图，所述第一全连接层的稠密块个数为1，生长率为16；

所述第二编码模块使用过渡层对所述第一全连接层生成的第二特征图进行过渡处理，生成32×256×256的第三特征图，所述过渡层的过渡核大小为2×2，过渡核步长为2；

所述第二编码模块使用第二全连接层对所述过渡层生成的第三特征图进行全连接处理，生成80×256×256的第四特征图，所述第二全连接层的稠密块个数为3，生长率为16；

所述第一解码模块使用第一卷积层对所述第二特征图进行解码操作，生成第五特征图，所述第一卷积层的卷积核数量为8个，卷积核大小为1×1，卷积核步长为1；

所述第二解码模块使用第二卷积层对所述第四特征图进行解码操作，生成第六特征图，所述第二卷积层的卷积核数量为8个，卷积核大小为1×1，卷积核步长为1；

所述卷积模块使用第三卷积层对两个解码模块生成的总特征图进行解码操作，生成解码特征图，所述第三卷积层的卷积核数量为16个，卷积核大小为3×3，卷积核步长为1；

所述卷积模块使用第四卷积层对所述解码特征图进行解码操作，生成所述灰度纹理图，所述第四卷积层的卷积核数量为1个，卷积核大小为3×3，卷积核步长为1。

2.根据权利要求1所述的图像处理方法，其特征在于，所述利用预设卷积神经网络模型对所述UV图像进行处理，得到对应的灰度纹理图，包括：

针对所述UV图像，分别提取其各个像素点对应的R通道分量、G通道分量和B通道分量的原始像素值；

针对每个通道分量，计算出一个规范因子，其中，针对每个通道分量，计算出一个规范因子，包括如下步骤：

计算每个通道分量对应的像素值均值；

获取每个通道分量对应的预设均值；

根据每个通道分量对应的像素值均值与预设均值计算出该通道分量对应的规范因子，其中，

根据每个通道分量对应的规范因子对本通道分量的各个像素点的原始像素值进行处理，得到所述UV图像各个像素点对应的各个通道分量的处理后的像素值；

将所述处理后的像素值作为所述预设卷积神经网络模型的输入，得到所述UV图像对应的灰度纹理图。

3.根据权利要求1所述的图像处理方法，其特征在于，所述利用预设卷积神经网络模型对所述UV图像进行处理，得到对应的灰度纹理图，包括：

对所述UV图像进行裁剪，将所述UV图像分成多个区域；

针对每个区域的图像进行处理，处理过程包括：分别提取各个像素点对应的R通道分量，G通道分量和B通道分量的原始像素值；将所述原始像素值作为所述预设卷积神经网络模型的输入，得到该区域的图像对应的灰度纹理分区图；

将各个区域的图像对应的灰度纹理分区图进行拼接，以得到所述UV图像对应的灰度纹理图。