[发明专利]图像处理方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取待优化的原始人脸图像；

按照人脸肤色对所述原始人脸图像进行分类，得到所述原始人脸图像的类别；

根据所述原始人脸图像的类别对所述原始人脸图像进行人脸优化，得到优化后的目标人脸图像。

2.根据权利要求1所述的方法，其特征在于，所述按照人脸肤色对所述原始人脸图像进行分类，得到所述原始人脸图像的类别，包括：

利用预先训练好的分类模型对所述原始人脸图像进行分类，得到所述原始人脸图像的类别；其中，所述分类模型用于根据图像中人脸的肤色对图像进行分类。

3.根据权利要求2所述的方法，其特征在于，所述利用预先训练好的分类模型对所述原始人脸图像进行分类，得到所述原始人脸图像的类别，包括：

将所述原始人脸图像输入预先训练好的神经网络模型，得到所述神经网络模型输出的分类结果；其中，所述分类结果指示属于多个预设类别中每个所述预设类别的概率，所述预设类别包括白种人、黄种人和黑种人；

将所述分类结果中概率最大的预设类别确定为所述原始人脸图像的类别。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据所述原始人脸图像的类别对所述原始人脸图像进行人脸优化，得到优化后的目标人脸图像，包括：

根据所述原始人脸图像的类别确定所述原始人脸图像对应的目标优化模型；其中，不同类别所对应的目标优化模型对图像的优化处理不同；

采用所述目标优化模型对所述原始人脸图像进行人脸优化，得到优化后的目标人脸图像。

5.根据权利要求4所述的方法，其特征在于，所述根据所述原始人脸图像的类别确定所述原始人脸图像对应的目标优化模型，包括：

如果所述原始人脸图像的类别指示所述原始人脸图像中的人脸为白种人或黑种人，确定所述原始人脸图像对应的目标优化模型为第一优化模型，所述第一优化模型用于去除在预设的第一噪声强度范围内的第一噪声，以保留图像中的纹理细节；

如果所述原始人脸图像的类别指示所述原始人脸图像中的人脸为黄种人，确定所述原始人脸图像对应的目标优化模型为第二优化模型，所述第二优化模型用于去除高斯噪声和/或在预设的第二噪声强度范围内的第二噪声；

其中，所述第二噪声的噪声强度大于所述第一噪声的噪声强度。

6.根据权利要求5所述的方法，其特征在于，所述第一优化模型包括预先训练好的第一WDSR网络模型，所述第一WDSR网络模型的上采样因子为1；在所述获取待优化的原始人脸图像之前，所述方法还包括：

获取第一训练人脸图像，所述第一训练人脸图像中的人脸为白种人或黑种人；

在所述第一训练人脸图像中加入噪声强度在所述第一噪声强度范围内的第一压缩噪声；

对加入噪声后的第一训练人脸图像进行高斯模糊处理，得到第一输入图像；

利用所述第一训练人脸图像和所述第一输入图像对待训练的第一WDSR网络模型进行训练，得到训练完成的所述第一WDSR网络模型。

7.根据权利要求5所述的方法，其特征在于，所述第二优化模型包括预先训练好的第二WDSR网络模型，所述第二WDSR网络模型的上采样因子为1；在所述获取待优化的原始人脸图像之前，所述方法还包括：

获取第二训练人脸图像，所述第二训练人脸图像中的人脸为黄种人；

在所述第二训练人脸图像中加入目标噪声，得到第二输入图像；其中，所述目标噪声包括高斯噪声和/或噪声强度在所述第二噪声强度范围内的第二压缩噪声；

利用所述第二训练人脸图像和所述第二输入图像对待训练的第二WDSR网络模型进行训练，得到训练完成的所述第二WDSR网络模型。

8.一种图像处理装置，其特征在于，包括：

获取模块，用于获取待优化的原始人脸图像；

分类模块，用于按照人脸肤色对所述原始人脸图像进行分类，得到所述原始人脸图像的类别；

优化模块，用于根据所述原始人脸图像的类别对所述原始人脸图像进行人脸优化，得到优化后的目标人脸图像。