[发明专利]图像处理方法、图像处理模型的训练方法及装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取人脸图像和预定妆容图像；

将所述人脸图像和所述预定妆容图像输入到图像处理模型进行图像处理，得到目标人脸图像，所述目标人脸图像包括所述人脸图像中的人脸特征和所述预定妆容图像中的妆容信息和对抗噪声；

将所述人脸图像替换为所述目标人脸图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述图像处理模型包括：图像生成子模型、对抗噪声消除子模型和图像对比子模型；

所述将所述人脸图像和所述预定妆容图像输入到图像处理模型进行图像处理，得到目标人脸图像，包括：

将所述人脸图像和所述预定妆容图像输入到所述图像生成子模型中进行第一融合处理并添加对抗噪声，得到第一目标融合图像，将所述第一目标融合图像和所述人脸图像再次输入到所述图像生成子模型中进行第二融合处理并添加对抗噪声，得到第二目标融合图像；

将所述第二目标融合图像输入到所述对抗噪声消除子模型中进行噪声消除处理，得到第三目标融合图像；

将所述第三目标融合图像和所述人脸图像输入到所述图像对比子模型中进行图像对比处理，得到表征所述第三目标融合图像和所述人脸图像的相似度的概率值，在所述概率值大于预设阈值的情况下，将所述第一目标融合图像作为所述目标人脸图像。

3.一种图像处理模型的训练方法，其特征在于，包括：

获取源人脸图像样本集和预定妆容图像样本集；

根据所述源人脸图像样本集和所述预定妆容图像样本集对待训练的图像处理模型进行图像融合迭代训练，直至待训练的图像处理模型的损失函数收敛，得到所述图像处理模型，其中，每次迭代训练使用一个源人脸图像样本和一个预定妆容图像样本，所述图像融合迭代训练用于对所述源人脸图像样本和所述预定妆容图像样本进行融合处理和添加对抗噪声；

所述损失函数是根据所述源人脸图像样本、所述预定妆容图像样本和经所述融合处理后的融合图像确定的。

4.根据权利要求3所述的图像处理模型的训练方法，其特征在于，所述图像处理模型包括图像生成子模型、对抗噪声消除子模型和图像对比子模型，所述根据所述源人脸图像样本集和所述预定妆容图像样本集对待训练的图像处理模型进行图像融合迭代训练，包括：

将所述源人脸图像样本和所述预定妆容图像样本输入到所述图像生成子模型对所述源人脸图像样本和所述预定妆容图像样本进行融合处理并添加对抗噪声，得到融合图像；

将所述融合图像输入到所述对抗噪声消除子模型进行噪声消除处理，得到消除噪声的融合图像；

将所述融合图像、所述消除噪声的融合图像、所述源人脸图像样本、所述预定妆容图像样本输入到所述图像对比子模型进行图像对比处理，得到第一同源分布概率、第二同源分布概率、第三同源分布概率和第四同源分布概率，所述第一同源分布概率为所述源人脸图像样本和所述消除噪声的融合图像的同源分布的概率，所述第二同源分布概率为所述预定妆容图像样本和所述消除噪声的融合图像的同源分布的概率，所述第三同源分布概率为所述融合图像的同源分布的概率，所述第四同源分布概率为所述消除噪声的融合图像的同源分布的概率；

根据所述融合图像、所述消除噪声的融合图像、所述源人脸图像样本、所述预定妆容图像样本、所述第一同源分布概率、所述第二同源分布概率、所述第三同源分布概率和所述第四同源分布概率确定所述损失函数；

根据所述损失函数对所述待训练的图像处理模型进行迭代训练，得到所述图像处理模型。