[发明专利]图像处理方法、训练方法、装置、设备及计算机可读存储介质

说明书

本发明提供一种图像处理方法，包括：获取待处理图像，所述待处理图像为原始带雨图像；第一生成器根据所述原始带雨图像生成纯雨图层，所述纯雨图层指示所述原始带雨图像的雨点位置；第二生成器根据所述纯雨图层和所述原始带雨图像生成不带雨的背景图层。本发明实施例根据原始带雨图像得到雨点图层，再根据雨点图层和原始带雨图像的像素差得到去雨的背景图，不需要通过对应的有雨和无雨对比图作为训练的数据集就能够实现图像去雨，减少了对外部信息的依赖，在降低成本的同时提高图像去雨的效率。此外，本申请实施例还通过预先训练，提高了生成图像的真实性。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像处理方法和装置、训练方法和装置、设备及计算机可读存储介质。

背景技术

随着计算机视觉的迅速发展，户外视觉系统得到广泛的应用。但是，户外视觉系统容易被天气等因素影响。雨是影响户外视觉系统的原因之一，去除雨点或雨线等雨的影响，具有重要的现实意义。

现有的图像去雨方法，大致包括基于字典学习的方法和运用引导滤波等滤波器通过滤波方法实现。

基于字典学习的方法认为，雨线及背景边缘是属于不同的结构，它们应该通过不同的字典进行表示，以此来区分边缘是否属于雨线进行去雨。但在现实生活中，雨线与某些背景边缘的特性会产生重叠，这需要在随后字典分离步骤中不断引入新的特征来增加字典的区分度以提高精度，但同时会增加算法的复杂度。而传统的滤波器，甚至现有的保边滤波器，也不能很好的实现去雨。

发明内容

为了解决现有技术存在的问题，本发明的至少一个实施例提供了图像处理方法和装置、训练方法和装置、设备及计算机可读存储介质，解决以上背景技术部分提到的各种问题。

第一方面，本发明实施例提出一种图像处理方法，包括：获取待处理图像，所述待处理图像为原始带雨图像；第一生成器根据所述原始带雨图像生成纯雨图层，所述纯雨图层指示所述原始带雨图像的雨点位置；第二生成器根据所述纯雨图层和所述原始带雨图像生成不带雨的背景图层。

在一些实施例中，所述原始带雨图像的雨包括雨点或雨线。

在一些实施例中，所述方法还包括：预先训练所述第一生成器和第二生成器，其中，所述预先训练所述第一生成器和第二生成器包括：第一判别器获取第二生成器生成的所述不带雨的背景图层，得到对应的第一对抗性损失值GAN_Loss_B；合成所述第二生成器生成的不带雨的背景图层和所述第一生成器生成的纯雨图层，得到合成的带雨图像；第二判别器获取所述合成的带雨图像，得到对应的第二对抗性损失值GAN_Loss_A;根据所述第一对抗性损失值GAN_Loss_B和所述第二对抗性损失值GAN_Loss_A确定第三对抗损失值，根据所述第三损失对抗值通过反向传播更新所述第一生成器和第二生成器的参数。

在一些实施例中，第三对抗损失值根据所述第一对抗性损失值GAN_Loss_B和所述第二对抗性损失值GAN_Loss_A的加权平均获得。

在一些实施例中，所述预先训练所述第一生成器和第二生成器还包括：比较所述合成的带雨图像和所述原始带雨图像，获取循环一致损失值；根据所述循环一致损失值通过反向传播更新所述第一生成器和第二生成器的参数。

在一些实施例中，所述第一判别器获为无雨点判别器，所述方法还包括对所述无雨点判别器进行训练，其中，所述对无雨点判别器进行训练包括：以真实的无雨点图片和生成的无雨点图片作为输入，其中，所述真实的无雨点图片和生成的无雨点图片之间无对应关系，或者，所述真实的无雨点图片和生成的无雨点图片之间存在对应关系；获取训练过程中所述无雨点判别器对真实的无雨点图片和生成的无雨点图片的判别误差；根据所述判别误差通过反向传播更新所述无雨点判别器参数。