[发明专利]一种图像处理方法和装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取与风格图片对应的目标风格特征以及与内容图片对应的目标内容特征；

预处理所述内容图片，以生成初始化图片；

获取与所述初始化图片对应的初始风格特征以及初始内容特征；

根据所述初始风格特征与所述目标风格特征之间的差异，以及所述初始内容特征与所述目标内容特征之间的差异，更新所述初始化图片，以生成与所述目标风格特征以及所述目标内容特征相匹配的目标图片。

2.根据权利要求1所述的图像处理方法，其特征在于，在获取与风格图对应的目标风格特征和与内容图对应的目标内容特征之前，还包括：

预先训练风格迁移卷积神经网络模型，以获取所述目标风格特征、目标内容特征、初始风格特征以及初始内容特征；

其中，所述风格迁移卷积神经网络模型通过使用设定数量人像类别的样本图片训练生成；所述风格迁移卷积神经网络模型的输入为图片，输出为风格特征，和/或内容特征。

3.根据权利要求2所述的图像处理方法，其特征在于，根据所述初始风格特征与所述目标风格特征之间的差异，以及所述初始内容特征与所述目标内容特征之间的差异，更新所述初始化图片，以生成与所述目标风格特征以及所述目标内容特征相匹配的目标图片，包括：

将所述初始风格特征和所述目标风格特征输入风格损失函数得到风格损失；

将所述初始内容特征和所述目标风格特征输入内容损失函数得到内容损失；

如果所述风格损失以及所述内容损失均未处于预设损失范围内，则根据所述风格损失和所述内容损失分别对所述初始风格特征和所述初始内容特征进行更新，将更新结果反向输入至所述风格迁移卷积神经网络模型得到中间图片，并将所述中间图片作为新的初始化图片；

返回执行将所述初始风格特征和所述目标风格特征输入风格损失函数得到风格损失的操作，直至所述风格损失以及所述内容损失均处于预设损失范围内；

将最终获取的所述初始化图片作为所述目标图片。

4.根据权利要求3所述的图像处理方法，其特征在于，根据所述风格损失和所述内容损失分别对所述初始风格特征和所述初始内容特征进行更新，将更新结果反向输入至所述风格迁移卷积神经网络模型得到中间图片，包括：

根据所述风格损失和所述内容损失，利用后向传播方法分别对初始风格特征和初始内容特征求取梯度并得到像素更新值，根据像素更新值所述初始化图更新得到所述中间图片。

5.根据权利要求1-4任一项所述的图像处理方法，其特征在于，在根据所述初始风格特征与所述目标风格特征之间的差异，以及所述初始内容特征与所述目标内容特征之间的差异，更新所述初始化图之后，还包括：

根据接收到的高清处理指令，对所述目标图片进行超分辨率处理。

6.一种图像处理装置，其特征在于，包括：目标特征获取模块，用于获取与风格图片对应的目标风格特征以及与内容图片对应的目标内容特征；

初始化图片生成模块，用于预处理所述内容图片，以生成初始化图片；

初始特征获取模块，用于获取与所述初始化图片对应的初始风格特征以及初始内容特征；

目标图片生成模块，用于根据所述初始风格特征与所述目标风格特征之间的差异，以及所述初始内容特征与所述目标内容特征之间的差异，更新所述初始化图片，以生成与所述目标风格特征以及所述目标内容特征相匹配的目标图片。

7.根据权利要求6所述的图像处理装置，其特征在于，还包括：

风格迁移卷积神经网络模型训练模块，用于预先训练风格迁移卷积神经网络模型，以获取所述目标风格特征、目标内容特征、初始风格特征以及初始内容特征；

其中，所述风格迁移卷积神经网络模型通过使用设定数量人像类别的样本图片训练生成；所述风格迁移卷积神经网络模型的输入为图片，输出为风格特征，和/或内容特征。