[发明专利]图像处理方法、装置、设备和介质在审

专利信息
申请号: 202210672542.8 申请日: 2022-06-14
公开(公告)号: CN115115560A 公开(公告)日: 2022-09-27
发明(设计)人: 李禹源;江源 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T5/50 分类号: G06T5/50;G06T7/11;G06T7/90;G06N3/04;G06N3/08
代理公司: 北京志霖恒远知识产权代理有限公司 11435 代理人: 郭栋梁
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 设备 介质
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

对目标图像进行人脸分割处理,获得所述目标图像的掩膜图像,其中,所述掩膜图像用于表征所述目标图像的头发区域和所述目标图像的人脸区域;

对所述掩膜图像和所述目标图像进行融合处理,获得融合图像;

将所述融合图像输入编码器进行编码处理,获得图像编码向量;

将所述图像编码向量输入发型生成模型,获得所述目标图像的发型变换图像,其中,所述发型生成模型是基于所述图像编码向量得到的多个控制向量并根据所述多个控制向量控制所述发型变换图像上的多个图像特征。

2.根据权利要求1所述的图像处理方法,其特征在于,所述将所述图像编码向量输入发型生成模型,获得所述目标图像的发型变换图像,包括:

根据所述图像编码向量得到所述多个控制向量;

将所述多个控制向量分别输入所述发型生成模型的多个卷积网络,获得多个特征图;

对所述多个特征图进行融合处理,得到所述目标图像的发型变换图像。

3.根据权利要求1所述的图像处理方法,其特征在于,还包括:

将所述图像编码向量输入解码器进行解码重构处理,获得多个重构图像,其中,所述重构图像包括的发型与所述目标图像包括的发型不同;

所述将所述图像编码向量输入发型生成模型,获得所述目标图像的发型变换图像,包括:

将所述图像编码向量输入所述发型生成模型,获得多个输出图像,其中,所述多个输出图像的分辨率不同;

对所述多个输出图像和所述多个重构图像进行融合处理,获得所述目标图像的发型变换图像。

4.根据权利要求3所述的图像处理方法,其特征在于,对所述多个输出图像和所述多个重构图像进行融合处理,获得所述目标图像的发型变换图像,包括:

将输出图像1至输出图像n一一对应地输入融合模块1至融合模块n,将重构图像1至重构图像n一一对应地输入所述融合模块1至所述融合模块n;所述融合模块1至所述融合模块n依次相连,所述n为所述多个输出图像的数量;

通过所述融合模块1对所述输出图像1和所述重构图像1进行融合处理,得到融合图像1;

通过所述融合模块x对输出图像x、重构图像x和上采样图像y进行融合处理,得到融合图像x;所述x为大于1且小于或等于所述n的正整数,所述上采样图像y为融合模块y输出的融合图像y经过上采样后得到的,所述y=x-1;

在所述x为所述n时,获得所述融合模块n输出的融合图像n,并将所述融合图像n作为所述目标图像的发型变换图像。

5.根据权利要求3所述的图像处理方法,其特征在于,将所述图像编码向量输入解码器进行解码重构处理,获得多个重构图像,包括:

将所述图像编码向量输入所述解码器的多个反卷积网络,获得所述多个重构图像。

6.根据权利要求5所述的图像处理方法,其特征在于,所述解码器的训练过程包括:

将样本图像输入所述编码器,获得所述样本图像的编码向量;

将所述样本图像的编码向量输入初始解码器,根据输入所述初始解码器的输出与标签图像之间的损失对所述初始解码器进行训练,获得所述解码器,其中,所述标签图像包括的发型与所述样本图像包括的发型不同。

7.根据权利要求1-5任一项所述的图像处理方法,其特征在于,所述编码器的训练过程包括:

将样本图像输入初始编码器,根据输入所述初始编码器的输出与所述样本图像的隐向量之间的损失对所述初始编码器进行训练,获得所述编码器。

8.根据权利要求1-7任一项所述的图像处理方法,其特征在于,对目标图像进行人脸分割处理,获得所述目标图像的掩膜图像,包括:

将所述目标图像输入自编码器,获得所述目标图像的掩膜图像,其中,所述自编码器的训练样本为人脸图像,所述训练样本的标签为所述人脸图像的掩膜图像,所述人脸图像的掩膜图像用于表征所述人脸图像的人脸区域和发型区域。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210672542.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top