[发明专利]一种基于卷积神经网络的图像处理方法、装置及移动终端

权利要求书

1.一种基于卷积神经网络的图像处理方法，适于在具有图形程序接口的移动终端中执行，所述卷积神经网络包括多个处理层和多个数据层，其中每个处理层用于处理与之相连的上一数据层中的多个特征图，以生成下一数据层中的多个特征图，所述移动终端中存储有各数据层对应于图形程序接口的存储参数，所述存储参数包括最大像素值和最小像素值、特征图尺寸、纹理横向数量和纹理纵向数量，所述方法包括：

将待处理图片作为第一个数据层输入到所述卷积神经网络；

对每一个数据层，根据该数据层的最大像素值和最小像素值，将该数据层的多个特征图中各像素的值转换成纹理数据，所述像素的值满足第一数据格式，所述纹理数据满足第二数据格式；

根据所述特征图尺寸、纹理横向数量和纹理纵向数量，将转换成纹理数据后的多个特征图组合形成对应的大纹理进行存储，该大纹理的高为特征图的高与纹理纵向数量的乘积，该大纹理的宽为特征图的宽与纹理横向数量的乘积；

对每一个处理层，将与之相连的上一数据层对应的大纹理中的纹理数据转换成第一数据格式，调用所述图形程序接口对数据格式转换后的大纹理进行与该处理层对应的渲染处理，以生成下一数据层中的多个特征图。

2.如权利要求1所述的方法，所述根据该数据层的最大像素值和最小像素值，将该数据层的多个特征图中各像素的值转换成纹理数据的步骤包括：

根据该数据层的最大像素值和最小像素值，将该数据层的多个特征图中各像素的值归一化到第二数据格式对应的数值范围内；

将归一化后的像素的值拆分成整数部分与小数部分，所述整数部分为归一化后的像素的值向下取整后的值，所述小数部分为归一化后的像素的值与所述整数部分的差值；

将所述整数部分的数据类型转换成第二数据格式，将所述小数部分归一化到第二数据格式对应的数值范围内，以形成纹理数据。

3.如权利要求2所述的方法，所述将该数据层的多个特征图中各像素的值归一化到第二数据格式对应的数值范围内的步骤包括：

获取第二数据格式对应的数值范围内的最大数值；

对该数据层的每一个特征图，将该特征图中各像素的值与该数据层的最小像素值之差作为第一差值，将该数据层的最大像素值与最小像素值之差作为第二差值；

计算所述第一差值与第二差值的商与所述最大数值的乘积，将该乘积作为该像素归一化到第二数据格式对应的数值范围内的值。

4.如权利要求2所述的方法，所述将所述小数部分归一化到第二数据格式对应的数值范围内的步骤包括：

获取第二数据格式对应的数值范围内的最大数值；

对所述小数部分与所述最大数值的乘积向下取整，以得到小数部分归一化到第二数据格式对应的数值范围内的值。

5.如权利要求4所述的方法，所述将与处理层相连的上一数据层对应的大纹理中的纹理数据转换成第一数据格式的步骤包括：

获取与该处理层相连的上一数据层的最大像素值和最小像素值，以及第二数据格式对应的数值范围内的最大数值；

获取所述纹理数据的整数部分和小数部分，所述整数部分和小数部分满足第三数据格式；

将所述整数部分与所述最大数值的乘积向下取整以更新所述整数部分，并计算更新后的整数部分与小数部分之和与所述最大数值的商；

获取该商与所述最大像素值与最小像素值之差的乘积，将该乘积与所述最小像素值之和作为纹理数据转换成第一数据格式后的值。

6.如权利要求5所述的方法，所述第一数据格式为16位浮点数，所述第二数据格式为无符号8位整型数，所述第三数据格式为0.0～1.0范围内的浮点数。

7.如权利要求1所述的方法，还包括预先获取所述卷积神经网络中各数据层的对应于所述图形程序接口的存储参数。