[发明专利]一种图像处理方法及系统

说明书

本发明公开了一种图像处理方法及系统，所述方法包括：当终端设备拍摄目标图像时，采用预设失真分类模型确定所述目标图像的失真类型，其中，所述预设失真分类模型为由若干独立的第一卷积神经网络以级联结构组成的第一卷积神经网阵列；根据所述失真类型对所述目标图片相应调整，并输出调整后的目标图像。本发明基于全卷积神经网络阵列对复杂光照条件下的终端设备拍摄图像的失真类型进行判定并调整，有效地解决了传统方法针对性差和效率低问题，并丰富和完善了第二类方法针对复杂场景下的图像处理的解决方案，改善了复杂场景下图像的视觉效果。

技术领域

本发明涉及终端设备技术领域，特别涉及一种图像处理方法及系统。

背景技术

近年来，以手机为代表的移动便携式电子产品已经成为普通消费者的日常“标配”，这导致“拍摄”已经成为了用户在日常生活与工作中很重要的一部分。但是，现有终端设备拍摄图像存储失真的现实，例如，在低光照情况下，感光元件无法得到足够多的来自物体表面反射的光线，导致最后图像成像质量较差，不能准确反映物体的真实情况。

为了解决这个问题，现有提高终端设备拍摄图像质量的方法大致可以分成两类。第一类是传统方法，通过手动设定参数后利用高斯滤波，中值滤波，或BM3D等方法对图像质量进行恢复的方式。这类方法的效果不明显，并且往往只对某一种或几种图像失真类型有改善效果。第二类是基于数据驱动的图像质量提升的方法。这一类方法主要是将含有失真的图像和目标图像作监督学习，通过深度学习来提取图像特征表达，进而获得预设调整模型。但是，第二类方法在针对移动端的复杂场景下的图像提升还是缺乏针对性和高效性。

因而现有技术还有待改进和提高。

发明内容

本发明要解决的技术问题在于，针对现有技术的不足，提供一种图像处理方法，改善复杂场景下终端设备拍摄图像的视觉效果。

为了解决上述技术问题，本发明所采用的技术方案如下：

一种图像处理方法，其中其包括：

当终端设备拍摄目标图像时，采用预设失真分类模型确定所述目标图像的失真类型，其中，所述预设失真分类模型为由若干独立的第一卷积神经网络以级联结构组成的第一卷积神经网阵列；

根据所述失真类型对所述目标图片进行相应调整，并输出调整后的目标图像。

所述图像处理方法，其中，所述当终端设备拍摄目标图像时，采用预设失真分类模型确定所述目标图像的失真类型具体包括：

当终端设备拍摄目标图像时，将所述目标图像作为输入参数输入至预设失真分类模型；

采用所述预设失真分类模型的第一级第一卷积神经网络对所述目标图像进行识别；

若识别结果为失真类型，则输出所述失真类型；

若识别结果为其他，则采用下一级第一卷积神经网络对所述目标进行识别，依次执行至最后一级第一卷积神经网络；

若最后一级第一卷积神经网络识别结果为其他，则判定所述目标图像的图像质量符合人眼视觉需求。

所述图像处理方法，其中，所述第一卷积神经网络的前端和中端由若干卷积层，空间批量正则化层，纠正线性单元层和最大池化层组成；其后端包括若干全连接层。

所述图像处理方法，其中，所述根据所述失真类型对所述目标图片相应调整，并输出调整后的目标图像具体包括：

根据所述失真类型在预设调整模型中选取相应的第二卷积神经网络；其中，所述预设调整模型为由若干独立的第二卷积神经网络以级联结构组成的第二卷积神经网阵列；

采用所述第二卷积神经网络对所述目标图像进行调整，并输出调整后的目标图像。