[发明专利]图像处理方法及装置，模型训练方法、装置及存储介质

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

获取待处理图像；

将所述待处理图像输入去色差处理模型，得到所述去色差处理模型输出的目标图像；

其中，所述去色差处理模型是通过训练数据集训练得到的，所述训练数据集包括多组样本数据，每组样本数据包括无色差图像和与所述无色差图像对应的有色差图像。

2.根据权利要求1所述的方法，其特征在于，与所述无色差图像对应的有色差图像通过如下方式得到：

将所述无色差图像的亮度信号与色度信号进行分离，得到与所述无色差图像的亮度信号对应的亮度图像，以及得到与所述无色差图像的色度信号对应的色度图像；

根据所述亮度图像确定物体边缘图像，并基于所述物体边缘图像表征的物体边缘位置信息在所述色度图像中的物体边缘添加预设宽度的色差色边，得到新的色度图像；

将所述亮度图像和所述新的色度图像进行合成处理，得到与所述无色差图像对应的所述有色差图像。

3.根据权利要求1所述的方法，其特征在于，所述去色差处理模型通过以下方式训练得到：

根据所述训练数据集以及预设损失函数，对深度卷积神经网络模型训练，得到所述去色差处理模型，所述预设损失函数为：

g＝loss(y，y_-)＝c×|y-y_-|；

其中，所述g表征在所述去色差处理模型的训练过程中，所述去色差处理模型根据所述有色差图像生成的第一目标图像y_-与所述有色差图像对应的所述无色差图像y之间的损失信息，所述c表征所述物体边缘图像中各像素点为物体边缘像素点的概率值集合。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述去色差处理模型包括预处理模块，注视机制模块，合成模块；所述将所述待处理图像输入去色差处理模型，得到所述去色差处理模型输出的目标图像，包括：

将所述待处理图像输入所述预处理模块，所述预处理模块将所述待处理图像中的亮度信号与色度信号进行分离，得到与所述待处理图像的亮度信号对应的待处理亮度图像，以及得到与所述待处理图像的色度信号对应的待处理色度图像，并将所述待处理亮度图像、所述待处理色度图像输入所述注视机制模块；

所述注视机制模块根据所述待处理亮度图像中的物体边缘特征信息和所述待处理色度图像进行色差修正值计算，得到待处理色度图像修正信息，并将所述待处理色度图像、所述待处理亮度图像、所述待处理色度图像修正信息输入所述合成模块；

所述合成模块根据所述待处理色度图像修正信息修正所述待处理色度图像，得到修正后的待处理色度图像，并将所述修正后的待处理色度图像与所述待处理亮度图像合成所述目标图像，并输出所述目标图像。

5.根据权利要求4所述的方法，其特征在于，所述注视机制模块包括依次串联的色度信息卷积层、色度信息激活层、色度信息乘法层以及色度信息合并处理层；

所述色度信息卷积层用于，对输入至所述注视机制模块的输入数据进行卷积处理，得到第一色度图像特征；

所述色度信息激活层用于，对所述第一色度图像特征进行激活操作，得到第二色度图像特征；

所述色度信息乘法层用于，对所述注视机制模块的输入数据和所述第二色度图像特征进行同位点乘处理，得到所述第三色度图像特征；

所述色度信息合并处理层用于，将所述第三色度图像特征与所述待处理亮度图像中的物体边缘特征信息进行合并处理，得到所述待处理色度图像修正信息。

6.根据权利要求5所述的方法，其特征在于，所述注视机制模块为串联的多个注视机制模块，所述多个注视机制模块中的首个注视机制模块的输入数据为所述待处理色度图像，所述多个注视机制模块中的非首个注视机制模块的输入数据为上一注视机制模块的输出数据，所述待处理色度图像修正信息为所述多个注视机制模块中的最后一个注视机制模块的输出数据。