[发明专利]一种图像处理方法、装置、设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取场景图像以及待处理图像，所述待处理图像包括目标对象；

提取所述场景图像的目标场景特征，以及提取所述目标对象的目标对象特征；

通过目标样本增强网络中的生成对抗网络，将所述目标场景特征与所述目标对象特征进行融合，获得目标场景迁移图像，所述目标场景迁移图像为所述目标对象在所述场景图像表征的场景下的图像，所述目标样本增强网络还包括特征提取网络，所述生成对抗网络包括第一子生成器、第二子生成器、第一子判别器和第二子判别器；在训练所述目标样本增强网络时，每次迭代过程包括以下步骤：

通过所述特征提取网络，提取第一样本图像的第一图像表征向量和第二样本图像的第二图像表征向量；

通过所述第一子生成器，从所述第一图像表征向量中，提取所述第一样本图像包含的第一对象的第一对象特征，以及从所述第二图像表征向量中，提取所述第二样本图像的第二场景特征，并将所述第一对象特征和所述第二场景特征进行融合，获得所述第一预测场景迁移图像；

通过所述第二子生成器，从所述第一样本图像的图像表征向量中，提取所述第一样本图像的第一场景特征，以及从所述第二样本图像的图像表征向量中，提取所述第二样本图像包含的第二对象的第二对象特征，并将所述第一场景特征和所述第二对象特征进行融合，确定所述第二预测场景迁移图像；

通过所述第一子判别器，确定所述第一场景迁移预测图像为真实图像的第一概率值；以及通过所述第二子判别器，确定所述第二场景迁移预测图像为真实图像的第二概率值；

通过所述第一子生成器，将所述第一对象特征和所述第一场景特征进行融合，获得第一重构图像；以及通过所述第二子生成器，将所述第二对象特征和所述第二场景特征进行融合，获得第二重构图像；

通过所述第一判别器，获得所述第一重构图像为真实图像的第三概率值；以及通过所述第二判别器，获得所述第二重构图像为真实图像的第四概率值；

基于所述第一概率值、所述第二概率值、所述第三概率值和所述第四概率值，分别对所述特征提取网络和所述生成对抗网络进行参数调整。

2.如权利要求1所述的方法，其特征在于，所述提取所述场景图像的目标场景特征，以及提取所述目标对象的目标对象特征，包括：

通过所述目标样本增强网络中的特征提取网络，提取所述场景图像的图像表征向量，以及提取所述待处理图像的图像表征向量；

通过所述生成对抗网络，从所述场景图像的图像表征向量中，提取所述场景图像的目标场景特征，以及从所述待处理图像的图像表征向量中，提取所述目标对象的目标对象特征。

3.如权利要求1所述的方法，其特征在于，所述特征提取网络包括编码器和编码增强器；

所述通过所述特征提取网络，提取第一样本图像的第一图像表征向量和第二样本图像的第二图像表征向量，包括：

通过所述编码器，将所述第一样本图像转化为第一特征图，以及将所述第二样本图像转化为第二特征图；

通过所述编码增强器，调整所述第一特征图在通道维度的权重，获得所述第一图像表征向量，以及调整所述第二特征图在通道维度的权重，获得所述第二图像表征向量。

4.如权利要求1所述的方法，其特征在于，所述通过目标样本增强网络中的生成对抗网络，将所述目标场景特征与所述目标对象特征进行融合，获得目标场景迁移图像，包括：

通过所述第一子生成器或所述第二子生成器，将所述目标场景特征与所述目标对象特征进行融合，获得目标场景迁移图像。

5.如权利要求1至4任一所述的方法，其特征在于，所述目标对象包括自动驾驶环境中的目标障碍物，所述待处理图像为所述目标对象在白天场景下的图像，所述目标场景迁移图像为所述目标对象在夜晚场景下的图像；

所述将所述目标场景特征与所述目标对象特征进行融合，获得目标场景迁移图像之后，还包括：

将所述目标障碍物在所述待处理图像中的第一标注信息，作为所述目标障碍物在所述目标场景迁移图像中的第二标注信息；

通过所述待处理图像、所述第一标注信息、所述目标场景迁移图像和所述第二标注信息，训练自动驾驶环境中的障碍检测模型。