[发明专利]一种图片处理方法及设备

权利要求书

1.一种图片处理方法，其特征在于，所述方法包括：

获取待处理图片；

根据图像处理模型对所述待处理图片进行图像处理；其中，图像处理模型由对一个正样本图片和至少两个负样本图片根据损失函数进行训练获得，所述损失函数的输入参数包括深度损失，所述深度损失用于表征经过所述图像处理的图片的深度信息的变化；

所述损失函数的输入参数还包括内容损失，所述内容损失包括第一内容损失和/或第二内容损失；所述损失函数由所述深度损失、所述第一内容损失、所述第二内容损失中的一者或多者的线性相加获得；所述深度损失由如下公式表示：其中，l_d为所述深度损失，x为负样本图片，为x经过所述图像处理的图片，和φ₁(x)分别为和x经过预设的深度预测模型输出的深度信息，为和φ₁(x)之间的归一化平方欧氏距离，C×H×W为所述深度预测模型输出的的图片大小，C为所述深度预测模型输出的的通道数，H为所述深度预测模型输出的的高度，W为所述深度预测模型输出的的宽度。

2.根据权利要求1所述的方法，其特征在于，所述内容损失用于表征经过所述图像处理的图片的像素信息的变化。

3.根据权利要求1或2所述的方法，其特征在于，所述第一内容损失由如下公式表示：其中，l_c为所述第一内容损失，和φ₀^j(x)分别为和x经过预设的图像分类模型选中的j层输出的像素信息，为和之间的归一化平方欧氏距离，C_j×H_j×W_j为j层输出的的图片大小，C_j为j层输出的的通道数，H_j为j层输出的的高度，W_j为j层输出的的宽度；

所述第二内容损失由如下公式表示：其中，l_s为所述第二内容损失，y_s为所述正样本图片，和分别为和y_s经过所述图像分类模型选中的j层输出的像素信息，J为所述图像分类模型选中的j层的集合，为和之间的弗罗贝尼乌斯的平方。

4.根据权利要求1所述的方法，其特征在于，当所述损失函数的输入参数包括所述深度损失、所述第一内容损失以及所述第二内容损失时，所述损失函数由如下公式表示：l_t＝αl_d+βl_c+γl_s；其中，l_t为所述损失函数，α、β和γ分别为l_d、l_c和l_s的权重，l_c为所述第一内容损失，l_s为所述第二内容损失。

5.根据权利要求1-2或4任一项所述的方法，其特征在于，所述图像处理，包括：图像超分辨率重建处理。

6.根据权利要求1-2或4任一项所述的方法，其特征在于，所述图像处理，包括：图像风格变换处理，图像风格用于表征图像的纹理信息。

7.根据权利要求1-2或4任一项所述的方法，其特征在于，在所述根据图像处理模型对所述待处理图片进行图像处理之前，所述方法包括生成所述图像处理模型的过程，具体包括：

获取所述正样本图片和所述至少两个负样本图片；

设置初始图像处理模型的结构和初始参数；

根据预设的深度预测模型和图像分类模型确定所述损失函数；

利用所述正样本图片和至少两个负样本图片根据所述损失函数对所述初始图像处理模型的参数进行优化训练，得到所述图像处理模型。

8.根据权利要求7所述的方法，其特征在于，所述设置所述初始图像处理模型的结构和初始参数，包括：

采用预设的第一图像处理模型，设置所述初始图像处理模型的结构和初始参数，所述初始图像处理模型的结构包括反射填充层和至少两个残差模块。