[发明专利]一种基于神经网络的图像去反射方法、系统及相关设备

权利要求书

1.一种基于神经网络的图像去反射方法，其特征在于，所述方法包括以下步骤：

S1、获取包含原本色彩图像的第一数据集和分离色彩图像的第二数据集；

S2、根据预设权重，将所述第一数据集和所述第二数据集中的图像进行合成，得到反射图像数据集；

S3、构建包括图像恢复网络和深度适应网络的图像去反射并发网络；

S4、以所述反射图像数据集为输入，对所述图像恢复网络进行训练，并输出得到去反射结果；

S5、以所述第二数据集为输入，对所述深度适应网络进行训练；

S6、构建关于所述去反射结果、所述反射图像数据集、所述第二数据集，以及分别对应所述图像恢复网络和所述深度适应网络的第一权重参数和第二权重参数之间的去反射映射关系；

S7、重复步骤S4-S5，直到所述第一权重参数和所述第二权重参数满足预设最优结果条件，输出所述图像去反射并发网络，并利用所述图像去反射并发网络进行图像去反射。

2.如权利要求1所述的一种基于神经网络的图像去反射方法，其特征在于，定义所述第一数据集为T，所述第二数据集为R，所述反射图像数据集为I，则所述反射图像数据集I满足：

I＝γ₁T+γ₂R

其中，γ₁、γ₂均为预设数据权重参数。

3.如权利要求1所述的一种基于神经网络的图像去反射方法，其特征在于，所述图像恢复网络包括7个残差块组，其中，输入所述图像恢复网络中的图像经过所述残差块组处理前需要与进行卷积后的结构进行拼接。

4.如权利要求1所述的一种基于神经网络的图像去反射方法，其特征在于，所述深度适应网络包括1个卷积层和5个残差块组。

5.如权利要求2所述的一种基于神经网络的图像去反射方法，其特征在于，步骤S6中定义的所述去反射映射关系，具体为：

定义所述去反射并发网络为f，则所述去反射映射关系满足：

T’＝f(T,R；θ₁,θ₂)

其中，T’表示所述去反射结果，θ₁表示所述第一权重参数，θ₂表示所述第二权重参数。

6.一种基于神经网络的图像去反射系统，其特征在于，包括：

数据获取模块，用于获取包含原本色彩图像的第一数据集和分离色彩图像的第二数据集；

数据合成模块，用于根据预设权重，将所述第一数据集和所述第二数据集中的图像进行合成，得到反射图像数据集；

网络构建模块，用于构建包括图像恢复网络和深度适应网络的图像去反射并发网络；

第一训练模块，用于以所述反射图像数据集为输入，对所述图像恢复网络进行训练，并输出得到去反射结果；

第二训练模块，用于以所述第二数据集为输入，对所述深度适应网络进行训练；

映射模块，用于构建关于所述去反射结果、所述反射图像数据集、所述第二数据集，以及分别对应所述图像恢复网络和所述深度适应网络的第一权重参数和第二权重参数之间的去反射映射关系；

迭代模块，用于控制所述第一训练模块和所述第二训练模块的循环，直到所述第一权重参数和所述第二权重参数满足预设最优结果条件，输出所述图像去反射并发网络，并利用所述图像去反射并发网络进行图像去反射。

7.一种计算机设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的基于神经网络的图像去反射方法中的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的基于神经网络的图像去反射方法中的步骤。