[发明专利]智能终端、图像处理方法及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，所述图像处理方法包括步骤：

获取图像数据；

根据所述图像数据获取图像处理偏好模型；

通过所述图像处理偏好模型对所述图像数据进行处理；

输出处理图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述图像数据获取预设的图像处理偏好模型的步骤中，所述图像处理偏好模型采用包括AI人工智能、机器学习、卷积神经元、长短期记忆神经元、卷积神经网络的其中之一或任意组合建立和训练所得到。

3.根据权利要求1或2所述的图像处理方法，其特征在于，所述图像处理偏好模型采用AI人工智能进行建立和训练所得到，具体包括：

获取用户对历史/样本图像的访问操作；

根据不同的访问操作将所述历史/样本图像划分为至少一正样本集和一负样本集；

根据所述正样本集和所述负样本集分析得到用户的习惯偏好；

根据所述习惯偏好建立所述图像处理偏好模型。

4.根据权利要求3所述的图像处理方法，其特征在于，所述获取用户对历史/样本图像的访问操作的步骤，具体包括：

获取用户对已有的历史图像的访问操作，获取用户对训练提供的样本图像的访问操作，获取用户对日常浏览的视频图像的访问操作。

5.根据权利要求3所述的图像处理方法，其特征在于，所述获取用户对历史/样本图像的访问操作的步骤中，所述访问操作包括访问点击次数、访问后收藏、访问后删除、访问后转发分享、访问后评论和访问后情绪反应的其中之一或任意组合。

6.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述习惯偏好建立所述图像处理偏好模型的步骤，还包括：

运用弱监督机器学习图像增强技术训练所述图像处理偏好模型。

7.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述习惯偏好建立所述图像处理偏好模型的步骤，还包括：

获取训练样本图像集；

将所述训练样本图像集分为正训练样本集和负训练样本集；

利用所述正训练样本集和负训练样本集对所述图像处理偏好模型进行更新迭代训练，以进行优化。

8.根据权利要求3所述的图像处理方法，其特征在于，所述输出经过个性化处理的图像的步骤，具体包括：

将经过个性化处理的图像数据绘制成偏好模型图像；

将所述偏好模型图像展示给用户；

获取用户对所述偏好模型图像的喜恶操作；

根据所述喜恶操作将所述偏好模型图像划分为正样本集或负样本集，以对所述图像处理偏好模型进行更新迭代训练。

9.一种智能终端，其特征在于，其配置有处理器，所述处理器用于执行图像处理程序，以实现如权利要求1-8任一项所述的图像处理方法。

10.一种计算机可读存储介质，其特征在于，其用于存储图像处理程序，所述图像处理程序在被处理器执行时，以实现包括如权利要求1-8任一项所述的图像处理方法。