[发明专利]一种图像处理方法、图像采集方法及相关装置

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括如下步骤：

通过TOF相机获取第一深度图像；

利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像。

2.根据权利要求1所述的图像处理方法，其特征在于，在所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之前，所述方法还包括：

利用预设的处理模块对所述第一深度图像进行校准得到第三深度图像，所述预设的处理模块用于执行任一项或者多项如下操作：对多次谐波进行校准、对温漂进行校准、对像素个体差异带来的梯度误差进行校准、对镜头内参进行校准、和对噪声进行滤波；

所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像，包括：利用深度学习神经网络对所述第三深度图像中的多路径干扰进行优化得到第二深度图像。

3.根据权利要求1所述的图像处理方法，其特征在于，在所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之后，所述方法还包括：

利用预设的处理模块对所述第二深度图像进行校准得到第四深度图像，所述预设的处理模块用于执行任一项或者多项如下操作：对多次谐波进行校准、对温漂进行校准、对像素个体差异带来的梯度误差进行校准、对镜头内参进行校准、和对噪声进行滤波。

4.根据权利要求1至3任一项所述的图像处理方法，其特征在于，

所述深度神经网络的训练模型的输入包括预设数据集，所述预设数据集包括多个数据对，任一所述数据对中的两个数据包括：相同的场景、同样的角度，一个数据是包括多路径干扰的深度图，另一个数据是不包括多路径干扰的深度图，所述不包括多路径干扰的深度图通过仿真TOF深度计算过程得到。

5.一种图像采集方法，其特征在于，所述方法应用在包括TOF相机的电子设备，所述图像采集方法包括如下步骤：

获取图像采集指令；

根据所述图像采集指令触发所述TOF相机采集第一深度图像；

利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像。

6.根据权利要求5所述的图像采集方法，其特征在于，在所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之前，所述方法还包括：

利用预设的处理模块对所述第一深度图像进行校准得到第三深度图像，所述预设的处理模块用于执行任一项或者多项如下操作：对多次谐波进行校准、对温漂进行校准、对像素个体差异带来的梯度误差进行校准、对镜头内参进行校准、和对噪声进行滤波；

所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像，包括：利用深度学习神经网络对所述第三深度图像中的多路径干扰进行优化得到第二深度图像。

7.根据权利要求5所述的图像采集方法，其特征在于，在所述利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像之后，所述方法还包括：

利用预设的处理模块对所述第二深度图像进行校准得到第四深度图像，所述预设的处理模块用于执行任一项或者多项如下操作：对多次谐波进行校准、对温漂进行校准、对像素个体差异带来的梯度误差进行校准、对镜头内参进行校准、和对噪声进行滤波。

8.根据权利要求5至7任一项所述的图像采集方法，其特征在于，

所述深度神经网络的训练模型的输入包括预设数据集，所述预设数据集包括多个数据对，任一所述数据对中的两个数据包括：相同的场景、同样的角度，一个数据是包括多路径干扰的深度图，另一个数据是不包括多路径干扰的深度图，所述不包括多路径干扰的深度图通过仿真TOF深度计算过程得到。

9.一种图像处理装置，其特征在于，所述图像处理装置包括：

第一获取单元，用于通过TOF相机获取第一深度图像；

第一处理单元，用于利用深度学习神经网络对所述第一深度图像中的多路径干扰进行优化得到第二深度图像。