[发明专利]图像合成方法、装置、设备及存储介质

权利要求书

1.一种图像合成方法，其特征在于，包括：

获取待合成的目标对象轮廓图以及背景图；

根据所述背景图确定目标对象在所述背景图的尺寸范围；

构建多张候选合成图，所述多张候选合成图中的目标对象符合所述尺寸范围且位于所述背景图的不同位置；

从所述多张候选合成图中确定构图合理系数大于或等于阈值的目标合成图；

对所述目标合成图进行图像后处理，获得满足图像要求的合成图。

2.根据权利要求1所述的方法，其特征在于，所述多张候选合成图包括不同尺寸的目标对象轮廓图；所述构建多张候选合成图，包括：

通过窗口滑动的方式将目标尺寸对应的目标对象轮廓图合成到所述背景图的不同位置，获得所述多张候选合成图；所述目标尺寸包括所述尺寸范围内的多个不同的尺寸，每张候选合成图包括目标对象的掩膜图。

3.根据权利要求1所述的方法，其特征在于，所述从所述多张候选合成图中确定合理系数大于或等于阈值的目标合成图，包括：

将第一候选合成图输入至预置的构图评价模型，获得所述第一候选合成图对应的构图合理系数，所述构图合理系数用于指示合成图中目标对象尺寸和位置的合理程度；

若所述第一候选合成图对应的构图合理系数大于或等于阈值，则将所述第一候选合成图作为所述目标合成图；

其中，所述第一候选合成图为所述多张候选合成图的任意一张，所述构图评价模型是采用卷积神经网络训练得到的。

4.根据权利要求3所述的方法，其特征在于，所述构图评价模型的训练过程，包括：

获取第一训练样本集，所述第一训练样本集包括多张第一样本图以及每张第一样本图的第一标签值，所述第一样本图包括包含目标对象的合成图，所述第一标签值用于指示所述第一样本图中目标对象尺寸和位置的合理程度；

将所述多张第一样本图依次输入所述构图评价模型中，得到每张第一样本图对应的第一预测值；

根据每张第一样本图对应的第一预测值与第一标签值，确定所述构图评价模型的损失函数，在所述构图评价模型的损失函数收敛时，停止对所述构图评价模型的训练，获取所述构图评价模型的模型参数。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述从所述多张候选合成图中确定构图合理系数大于或等于阈值的目标合成图，包括：

若构图合理系数大于或等于阈值的合成图有多张，将构图合理系数最大的合成图作为所述目标合成图。

6.根据权利要求1-4中任一项所述的方法，其特征在于，所述对所述目标合成图进行图像后处理，获得满足图像要求的合成图，包括：

将所述目标合成图输入至预置的图像融合模型的编码器，提取所述目标合成图的高维图像特征；

将所述高维图像特征输入至所述图像融合模型的解码器，在所述解码器中，采用注意力机制，对所述高维图像特征进行图像还原，获得满足图像要求的合成图；所述满足图像要求包括满足目标对象在背景图中色彩、光照以及明暗的图像特征要求。

7.根据权利要求6所述的方法，其特征在于，所述图像融合模型还包括判别器，所述图像融合模型的训练过程，包括：

获取第二训练样本集，所述第二训练样本集中包括多张第二样本图以及每张第二样本图的第二标签值，所述第二样本图包括包含目标对象的合成图和/或真实图，所述第二标签值用于指示所述第二样本图中的目标对象是否真实；

将所述多张第二样本图分别作为所述图像融合模型的输入，依次经过所述图像融合模型的编码器、解码器以及判别器，得到每张第二样本图对应的第二预测值；

根据每张第二样本图对应的第二预测值与第二标签值，确定所述图像融合模型的损失函数；在所述图像融合模型的损失函数收敛时，停止对所述图像融合模型的训练，获取所述图像融合模型中编码器和解码器的相关参数。