[发明专利]图像处理方法、装置、存储介质以及电子设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取第一图像和第二图像，其中，所述第一图像为待调整图像，所述第二图像为所述第一图像的参考图像；

利用目标神经网络模型对所述第一图像与所述第二图像进行分析，得到第三图像，其中，所述目标神经网络模型用于调整所述第一图像的目标属性；

基于所述第三图像进行图像适配处理，得到目标图像；

所述利用所述目标神经网络模型对所述第一图像与所述第二图像进行分析，得到所述第三图像包括：

利用所述目标神经网络模型确定所述第一图像与所述第二图像之间的关联区域；

基于所述关联区域，按照所述第二图像的目标属性对所述第一图像的目标属性进行调整，得到所述第三图像；

所述利用所述目标神经网络模型确定所述第一图像与所述第二图像之间的所述关联区域包括：

对所述第一图像进行下采样，得到第一采样结果，以及对所述第二图像进行下采样，得到第二采样结果；

分别对所述第一采样结果中的高维度特征和所述第二采样结果中的高维度特征进行特征提取，确定所述第一采样结果与所述第二采样结果的特征相关性；

基于所述特征相关性获取所述第一采样结果与所述第二采样结果的权重特征，其中，所述权重特征用于表示所述第一采样结果与所述第二采样结果的相关区域紧密程度；

利用所述权重特征确定所述关联区域。

2.根据权利要求1所述的图像处理方法，其特征在于，所述第一图像与所述第二图像具有相似的场景元素，且所述第一图像与所述第二图像在所述目标属性上存在差异，其中，所述目标属性包括以下至少之一：曝光属性、色彩属性。

3.根据权利要求1所述的图像处理方法，其特征在于，所述方法还包括：

采用多组图像数据通过机器学习对初始神经网络模型进行训练，得到所述目标神经网络模型，其中，所述多组图像数据中的每组图像数据均包括：第四图像和第五图像，所述第四图像是具有正常目标属性的样本图像，所述第五图像是具有异常目标属性的样本图像。

4.根据权利要求3所述的图像处理方法，其特征在于，采用所述多组图像数据通过机器学习对初始神经网络模型进行训练，得到所述目标神经网络模型包括：

采用所述多组图像数据通过机器学习对所述初始神经网络模型进行训练，得到训练结果图像；

基于所述训练结果图像与训练目标图像，确定第一损失和第二损失，其中，所述训练目标图像与所述第四图像具有相同的目标属性，所述第一损失为所述训练结果图像与所述训练目标图像的重建误差损失，所述第二损失为所述训练结果图像与所述训练目标图像的风格感知损失；

利用所述第一损失和所述第二损失确定目标损失；

通过所述目标损失对所述初始神经网络模型的网络权重参数进行迭代优化，得到所述目标神经网络模型。

5.根据权利要求1所述的图像处理方法，其特征在于，基于所述第三图像进行图像适配处理，得到所述目标图像包括：

对所述第三图像进行上采样，得到第三采样结果；

对所述第三采样结果进行分块，得到分块结果；

对所述分块结果进行均值化，得到均值结果；

对所述均值结果进行逐块映射，得到所述目标图像。