[发明专利]图像处理方法、系统、移动终端及存储介质

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：

获取原始人脸图像，并对所述原始人脸图像进行人脸分割，得到人脸掩膜图像；

对所述人脸掩膜图像进行腐蚀处理，得到腐蚀的人脸掩膜图像，并将所述腐蚀的人脸掩膜图像和所述原始人脸图像输入对抗神经网络进行图像生成，得到人脸生成图像；

对所述人脸生成图像进行人脸分割，得到生成掩膜图像；

根据所述生成掩膜图像和所述腐蚀的人脸掩膜图像进行损失计算，得到网络损失值，并根据所述网络损失值对所述对抗神经网络进行网络训练，直至所述对抗神经网络收敛；

获取待处理图像，并将所述待处理图像输入收敛后的所述对抗神经网络进行图像生成，得到目标生成图像；

将所述目标生成图像与所述待处理图像进行图像比对，得到目标发际线区域，并将所述目标发际线区域与所述待处理图像进行图像融合，得到输出图像。

2.如权利要求1所述的图像处理方法，其特征在于，所述对所述人脸掩膜图像进行腐蚀处理的步骤包括：

对腐蚀算子进行参数设置，并将参数设置后的所述腐蚀算子与所述人脸掩膜图像进行卷积处理，得到卷积图像；

计算所述卷积图像中所述腐蚀算子对应的覆盖区域，并获取所述覆盖区域中的像素点的最小值；

将所述像素点的最小值对所述人脸掩膜图像中的指定像素点进行替换。

3.如权利要求1所述的图像处理方法，其特征在于，所述将所述目标发际线区域与所述待处理图像进行图像融合的步骤包括：

对所述目标发际线区域进行边缘模糊处理，并分别获取边缘模糊处理后所述目标发际线区域和所述待处理图像中像素点的像素值；

对获取到的所述像素点的像素值进行像素加权计算，得到所述输出图像。

4.如权利要求1所述的图像处理方法，其特征在于，所述根据所述生成掩膜图像和所述腐蚀的人脸掩膜图像进行损失计算所采用的损失函数是：

max_DLoss(D)＝E[log(D(x))]+E[log(1-(D(G(x)))]

max_GLoss(G)＝E[log(D(G(x)))]-a E[||VGG(x)-VGG(G(x))||-b E[||Mask_erode-Seg(G(x))||

其中，x是待处理图，D是所述对抗神经网络中的判别器，G是所述对抗神经网络中的生成器，VGG是预训练好的网络，Maske_rode是腐蚀的人脸掩膜图，Seg是预训练好的人脸分割网络，a和b分别表示0～1直接的权重，max_DLoss(D)是所述判别器对应的第一损失值，max_GLoss(G)是所述生成器对应的第二损失值，第一损失值用于训练判别器，第二损失值用于训练生成器，这两个网络交替训练。

5.如权利要求4所述的图像处理方法，其特征在于，所述根据所述网络损失值对所述对抗神经网络进行网络训练的步骤之后，所述方法还包括：

对网络训练后的所述对抗神经网络中的所述生成器和所述判别器进行收敛检测；

若所述生成器或所述判别器未收敛，则返回执行所述获取原始人脸图像的步骤以及后续步骤，直至所述生成器和所述判别器收敛。

6.如权利要求5所述的图像处理方法，其特征在于，所述对网络训练后的所述对抗神经网络中的所述生成器和所述判别器进行收敛检测的步骤包括：

若所述第一损失值小于第一损失阈值，则判定所述判别器收敛，若所述第一损失值大于或等于所述第一损失阈值，则判定所述判别器未收敛；

若所述第二损失值小于第二损失阈值，则判定所述生成器收敛，若所述第二损失值大于或等于所述第二损失阈值，则判定所述生成器未收敛。

7.如权利要求1所述的图像处理方法，其特征在于，所述将所述目标生成图像与所述待处理图像进行图像比对的步骤包括：

将所述目标生成图像与所述待处理图像进行图像差值处理，得到所述目标发际线区域。