[发明专利]图像处理方法、装置、终端及存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

获取高光图像，所述高光图像是指经过光源照射后存在高光区域的图像；

调用完成训练的去高光模型；

通过完成训练的所述去高光模型对所述高光图像进行处理，得到去高光图像；

其中，所述去高光模型的训练过程包括：

获取训练数据，所述训练数据包括至少一个训练样本，所述训练样本包括训练图像和所述训练图像对应的标准去高光图像；通过所述去高光模型对所述训练图像进行处理，得到预测去高光图像；根据所述标准去高光图像和所述预测去高光图像，确定损失函数的值；根据所述损失函数的值对所述去高光模型进行训练，得到完成训练的所述去高光模型；

所述训练数据包括自然形成的训练数据和非自然形成的训练数据；

所述非自然形成的训练数据的获取方式包括：获取第一图像，所述第一图像与所述标准去高光图像为不同的图像；对所述第一图像进行高斯模糊处理，得到第二图像；将所述第二图像和所述标准去高光图像在同一位置像素的像素值加权相加，生成初始训练图像；响应于所述初始训练图像中的目标像素的像素值大于预设像素值，将所述目标像素的像素值调整为所述预设像素值；将调整后的所述初始训练图像确定为所述训练图像；

所述自然形成的训练数据的获取方式包括：获取自然形成的带有高光区域的所述训练图像，以及所述训练图像对应的标准去高光图像；其中，自然形成的带有高光区域的所述训练图像是在光源附近放置玻璃片后拍摄得到的图像，所述训练图像对应的标准去高光图像是不在所述光源附近放置玻璃片拍摄得到的图像；

所述去高光模型的损失函数包括纹理损失函数和重建损失函数，所述纹理损失函数用于表征基于所述去高光模型输出的预测去高光图像的高维特征信息与所述标准去高光图像的高维特征信息之间的差异程度，所述重建损失函数用于表征所述预测去高光图像的特征信息与所述标准去高光图像的特征信息之间的差异程度。

2.根据权利要求1所述的方法，其特征在于，所述去高光模型包括编码网络和解码网络；

所述通过完成训练的去高光模型对所述高光图像进行处理，得到去高光图像，包括：

通过所述编码网络对所述高光图像进行特征提取，得到所述高光图像的高维特征信息；

通过所述解码网络对所述高光图像的高维特征信息进行重建，得到所述去高光图像。

3.根据权利要求1至2任一项所述的方法，其特征在于，所述方法还包括：

调用高光识别模型；

通过所述高光识别模型对目标图像进行识别，检测所述目标图像是否包括所述高光图像；

响应于所述目标图像包括所述高光图像，执行所述调用完成训练的去高光模型的步骤。

4.根据权利要求3所述的方法，其特征在于，所述目标图像包括目标视频；

所述通过所述高光识别模型对目标图像进行识别，检测所述目标图像是否包括所述高光图像，包括：

对所述目标视频进行抽帧处理，得到n个图像帧，所述n为正整数；

通过所述高光识别模型分别对所述n个图像帧进行识别，检测所述n个图像帧中是否包括所述高光图像。