[发明专利]图像处理方法、装置、计算机设备和存储介质

权利要求书

1.一种图像处理方法，其特征在于，应用于包括特征提取网络和特征分类网络的图神经网络，所述特征分类网络包括编码模块、多个段内度量模块和线性层，所述方法包括：

将多个样本图像输入至所述特征提取网络，并通过所述特征提取网络对所述样本图像进行特征提取处理，得到所述样本图像对应的图像特征；其中，所述多个样本图像包括已知类别图像和未知类别图像；

将多个所述图像特征输入至所述编码模块进行类别编码，得到多个与所述图像特征相应的编码特征；

将所述多个编码特征依次输入多个所述段内度量模块进行迭代图卷积处理，得到多个与所述编码特征相应的卷积特征；

将所述多个卷积特征输入至所述线性层进行分类处理，得到相应的分类结果；其中，所述分类结果包括所述未知类别图像的类别。

2.根据权利要求1所述的方法，其特征在于，所述段内度量模块包括邻接感知网络和图卷积网络，所述将所述多个编码特征依次输入多个所述段内度量模块进行迭代图卷积处理，得到多个与所述编码特征相应的卷积特征，包括：

将所述多个编码特征输入至所述邻接感知网络，确定各个所述编码特征之间的邻接关系，生成邻接矩阵；

将所述多个编码特征和所述邻接矩阵输入至所述图卷积网络进行图卷积处理，得到多个与所述编码特征相应的分段特征；

将所述多个分段特征依次输入多个所述段内度量模块进行迭代图卷积处理，得到所述卷积特征。

3.根据权利要求2所述的方法，其特征在于，所述邻接感知网络包括学习网络、残差网络和输出层，所述将所述多个编码特征输入至所述邻接感知网络，确定各个所述编码特征之间的邻接关系，生成邻接矩阵，包括：

将多个特征差异绝对值输入至所述学习网络，学习所述特征差异绝对值对应的两个所述编码特征之间的邻接关系，得到多个用于指示所述邻接关系的候选矩阵；其中，所述特征差异绝对值用于指示任意两个所述编码特征相应数值之间差值的绝对值；

将所述多个特征差异绝对值输入至所述残差网络，得到多个与所述特征差异绝对值相应的反馈矩阵；

将多个所述候选矩阵与相应所述反馈矩阵之间的和输入至所述输出层，生成所述邻接矩阵。

4.根据权利要求2所述的方法，其特征在于，所述图卷积网络包括多个图卷积层，所述将所述多个编码特征和所述邻接矩阵输入至所述图卷积网络进行图卷积处理，得到多个与所述编码特征相应的分段特征，包括：

将所述多个编码特征和所述邻接矩阵作为所述多个图卷积层中首个图卷积层的输入，以及将所述邻接矩阵和在前所述图卷积层的输出特征作为所述多个图卷积层中非首个图卷积层的输入，进行图卷积处理，生成多个与所述编码特征相应的分段特征。

5.根据权利要求1所述的方法，其特征在于，所述特征提取网络包括特征提取模块、高级卷积模块和低级卷积模块，所述将多个样本图像输入至所述特征提取网络，并通过所述特征提取网络对所述样本图像进行特征提取处理，得到所述样本图像对应的图像特征，包括：

将多个所述样本图像输入至所述特征提取模块，得到与所述样本图像相应的样本特征；

将所述样本特征输入至所述高级卷积模块进行卷积处理，得到相应的反馈特征；

将所述样本特征和所述反馈特征输入至所述低级卷积模块，对所述样本特征和所述指导特征拼接后进行卷积处理，得到所述图像特征。

6.根据权利要求5所述的方法，其特征在于，所述高级卷积模块包括高级卷积网络和拆分模块，所述将所述样本特征输入至所述高级卷积模块进行卷积处理，得到相应的反馈特征，包括：

将所述样本特征输入至所述高级卷积网络进行卷积处理，得到相应的指导特征；

将所述指导特征输入至所述拆分模块进行拆分，得到至少两个拆分特征；其中，所述反馈特征为所述至少两个拆分特征中的一个特征。