[发明专利]一种图像处理方法及电子设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取第一图像中待修复区域的掩码，所述第一图像中包括人脸；

基于所述掩码、所述第一图像和预设的美颜模型，对所述待修复区域的图像进行图像处理，输出第二图像；

其中，所述美颜模型基于卷积神经网络对第一样本图像以及第二样本图像进行训练得到，所述第二样本图像中包括特殊纹理，不包括待修复区域，所述特殊纹理包括肌肉纹理、毛发纹理以及卧蚕纹理中的至少一种，所述第一样本图像是与所述第二样本图像对应的且包含待修复区域的图像。

2.根据权利要求1所述的方法，其特征在于，在基于所述掩码、所述第一图像和预设的美颜模型，对所述待修复区域的图像进行图像处理，输出第二图像之前，所述方法还包括：

获取所述第二样本图像；

从所述第二样本图像中，选取至少一个区域作为待修复区域，得到所述第一样本图像；

提取所述待修复区域对应的待修复掩码、在所述第一样本图像中添加噪声后对应的噪声掩码和所述第一样本图像的特殊纹理区域对应的纹理掩码；

对所述第一样本图像、所述待修复掩码、所述噪声掩码和所述纹理掩码进行归一化处理，得到样本数据；

基于卷积神经网络，对所述样本数据进行学习训练，得到所述美颜模型。

3.根据权利要求2所述的方法，其特征在于，所述基于卷积神经网络，对所述样本数据进行学习训练，得到所述美颜模型，包括：

构建卷积神经网络模型，所述神经网络模型包括可控卷积层、可控反卷积层以及反馈层，所述可控卷积层用于对所述样本数据进行特征提取，所述可控反卷积层用于对提取到的所述样本数据的特征进行还原，得到修复后的特征图像，所述反馈层用于判断所述特征图像与所述第二样本图像的相似度是否大于或等于预设阈值；

将所述样本数据输入至所述卷积神经网络模型；

在所述特征图像与所述第二样本图像的相似度大于或等于所述预设阈值的情况下，训练得到所述美颜模型。

4.根据权利要求2所述的方法，其特征在于，所述纹理掩码包括所述待修复区域对应的第一纹理掩码和所述第一样本图像中的非待修复区域对应的第二纹理掩码，所述第一纹理掩码的学习权重为变量，所述第二纹理掩码的学习权重为常量；

其中，在基于卷积神经网络对所述样本数据进行学习训练过程中，所述方法还包括：

确定所述待修复区域的修复程度；

在所述修复程度大于或等于预设程度的情况下，增加对所述第一纹理掩码的学习权重；

基于增加后的所述学习权重，对所述第一纹理掩码进行学习训练。

5.根据权利要求1所述的方法，其特征在于，所述基于所述掩码、所述第一图像和预设的美颜模型，对所述待修复区域的图像进行图像处理，输出第二图像，包括：

将所述掩码、所述第一图像输入所述美颜模型，得到与所述第一图像对应的特征图像；

在所述特征图像的尺寸与所述第一图像的尺寸不一致的情况下，将所述特征图像的尺寸还原为所述第一图像的尺寸，输出所述第二图像；

在所述特征图像的尺寸与所述第一图像的尺寸一致的情况下，将所述特征图像确定为所述第二图像。

6.根据权利要求1所述的方法，其特征在于，

所述待修复区域包括斑痘区域、疤痕区域以及痣区域中的至少一种。

7.根据权利要求1所述的方法，其特征在于，

所述掩码为像素值为0和非0的位置图，所述位置图中像素值为非0的区域是可运算区域，像素值为0的区域是不可运算区域。