[发明专利]图像处理方法、装置、电子设备以及存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取包括第一发型信息的待处理图像，并确定与所述待处理图像的头发区域对应的目标掩膜图像；

将所述待处理图像与所述目标掩膜图像进行拼接，得到目标处理图像；

将所述目标处理图像输入至预先训练完成的发型更换模型中，得到与所述待处理图像对应的包含第二发型信息的目标展示图像；

其中，所述发型更换模型基于包括头发区域的样本原始图像、与所述样本原始图像的头发区域对应的样本掩膜图像、与所述样本原始图像对应的期望图像以及与所述期望图像的头发区域对应的期望掩膜图像训练得到。

2.根据权利要求1所述的图像处理方法，其特征在于，还包括：

根据包含头发区域的样本原始图像以及与所述样本原始图像的头发区域对应的样本掩膜图像，构建第一样本图像；

根据所述样本掩膜图像、与所述样本原始图像对应的期望图像以及与所述期望图像的头发区域对应的期望掩膜图像，构建第二样本图像；

根据所述第一样本图像与所述第二样本图像对预先建立的生成对抗网络的生成模型进行训练，得到所述发型更换模型。

3.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述样本掩膜图像、与所述样本原始图像对应的期望图像以及与所述期望图像的头发区域对应的期望掩膜图像，构建第二样本图像，包括：

确定所述样本掩膜图像以及与所述样本原始图像对应的期望图像的头发区域对应的期望掩膜图像之间的差异化区域；

根据所述差异化区域对所述期望图像进行处理，得到第二样本图像。

4.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述差异化区域对所述期望图像进行处理，得到第二样本图像，包括：

对所述期望图像中的差异化区域中的部分区域进行随机遮挡处理，得到第二样本图像。

5.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述第一样本图像与所述第二样本图像对预先建立的生成对抗网络进行训练，包括：

将所述第一样本图像和所述第二样本图像分别输入至预先建立的生成对抗网络的生成模型中进行训练，得到第一输出图像和第二输出图像；

根据所述第一样本图像、所述第一输出图像和所述期望图像计算所述生成模型的第一模型损失，并根据所述第一模型损失对所述生成模型的模型参数进行调整；

根据所述第二输出图像和所述期望图像计算所述生成模型的第二模型损失，并根据所述第二模型损失对所述生成模型的模型参数进行调整。

6.根据权利要求5所述的图像处理方法，其特征在于，所述第一模型损失包括第一生成损失和对抗损失；所述第一生成损失包括第一回归损失和/或第一感知损失，所述第一回归损失包括第一回归子损失和第二回归子损失；所述第二模型损失包括第二回归损失和/或第二感知损失。

7.根据权利要求6所述的图像处理方法，其特征在于，所述根据所述第一样本图像、所述第一输出图像和所述期望图像计算所述生成模型的第一模型损失，包括下述中的至少一项：

基于预设感知损失函数计算所述第一输出图像和所述期望图像之间的第一感知损失；

基于格拉姆矩阵和/或平均绝对误差函数计算所述第一输出图像和所述期望图像之间的第一回归损失。

8.根据权利要求6所述的图像处理方法，其特征在于，所述根据所述第一样本图像、所述第一输出图像和所述期望图像计算所述生成模型的第一模型损失，包括：

将所述第一样本图像和所述第一输出图像进行拼接，得到假样本图像；

将所述第一样本图像和所述期望图像进行拼接，得到真样本图像；

基于预先训练完成的判别模型分别对所述假样本图像和所述真样本图像进行判别，得到模型判别结果，根据所述模型判别结果计算所述生成对抗网络的对抗损失。