[发明专利]图像处理方法、装置、计算机设备和存储介质

权利要求书

1.一种图像处理方法，包括：

获取待处理图像，将所述待处理图像输入已训练的图像去遮挡模型；

所述已训练的图像去遮挡模型生成与所述待处理图像不同尺度的至少一个中间图像，中间图像是对所述待处理图像直接进行尺度变换得到的变换图像，尺度变换包括将尺度进行放大或缩小中的至少一种，尺度缩小或放大是减少或增加图像的像素点；

所述已训练的图像去遮挡模型分别对所述待处理图像和同一图像对应的至少一个中间图像进行特征提取，得到多个特征图，对各个所述特征图进行融合，得到融合特征图；

所述已训练的图像去遮挡模型根据已训练的模型参数和所述融合特征图生成当前残差图像，所述已训练的模型参数是通过对所述图像去遮挡模型采用残差学习训练生成的，残差学习是指学习遮挡图像中的遮挡物，当遮挡图像为网纹图像时，残差学习是指学习图像中的网纹特征，得到的残差图像为网纹图像；

所述已训练的图像去遮挡模型根据所述当前残差图像和所述待处理图像输出去遮挡图像。

2.根据权利要求1所述的方法，其特征在于，已训练的图像去遮挡模型的生成步骤包括：

获取训练图对集合，所述训练图对集合中的各个训练图对包括遮挡训练图像和对应的无遮挡训练图像；

通过原始图像去遮挡模型生成与所述遮挡训练图像不同尺度的至少一个中间训练图像；

对所述遮挡训练图像和对应的多个中间训练图像进行特征提取，得到多个特征图，对同一遮挡训练图像对应的各个特征图进行融合，得到融合训练特征图；

根据当前模型参数和所述融合训练特征图生成残差训练图像；

根据所述残差训练图像和对应的所述遮挡训练图像生成去遮挡训练图像；

将所述去遮挡训练图像和对应的所述无遮挡训练图像输入判别网络模型，根据所述判别网络模型的判别结果，计算所述判别网络模型的对抗误差；

将所述去遮挡训练图像和对应的所述无遮挡训练图像输入特征对比网络模型，所述特征对比网络模型输出对应的特征差；

根据所述对抗误差和所述特征差调整所述原始图像去遮挡模型的所述当前模型参数和所述判别网络模型的参数，直到满足收敛条件，得到所述已训练的模型参数，根据所述已训练的模型参数得到所述已训练的图像去遮挡模型。

3.根据权利要求2所述的方法，其特征在于，所述已训练的图像去遮挡模型的生成步骤还包括：

获取去遮挡训练图像和对应的无遮挡训练图像之间的像素差；

所述根据所述对抗误差和所述特征差调整所述图像去遮挡模型的所述当前模型参数和所述判别网络模型的参数，直到满足收敛条件，得到所述已训练的模型参数，包括：

根据所述对抗误差、所述特征差和所述像素差计算得到总误差；

当所述总误差不满足收敛条件时，根据所述对抗误差和所述像素差更新所述原始图像去遮挡模型的所述当前模型参数；

根据所述对抗误差更新所述判别网络模型的参数直到所述总误差满足收敛条件。

4.根据权利要求1所述的方法，其特征在于，所述已训练的图像去遮挡模型生成与所述待处理图像不同尺度的至少一个中间图像，包括：

对所述待处理图像进行尺度变换生成第一中间图像；

所述已训练的图像去遮挡模型对所述待处理图像和至少一个中间图像进行特征提取，得到多个特征图，对各个所述特征图进行融合，得到融合特征图，包括：

对所述待处理图像进行特征提取，得到第一特征图；

对所述第一中间图像进行特征提取，得到第二特征图，所述第一特征图与所述第二特征图的尺度相同；

将所述第一特征图和所述第二特征图进行加权得到所述融合特征图。