[发明专利]一种基于机器学习的图像处理方法

权利要求书

1.一种基于机器学习的图像处理方法，其特征在于，包括如下步骤：

提取出要处理的训练图像的特征；

接收该训练图像特征所对应的图像处理方法，该训练图像处理方法通过录入得到；

将该训练图像的特征作为输入同时将该训练图像所对应的图像处理方法作为输出进行建模，得到一个有监督图像处理模型，并对该有监督图像处理模型进行训练；

接收用户录入的目标图像，提取出该目标图像的特征之后，将该目标图像的特征输入到训练好的有监督图像处理模型中得到该目标图像所对应的图像处理方法；

使用该目标图像的图像处理方法对该目标图像进行图像处理；

输出图像处理后的图案。

2.如权利要求1所述的一种基于机器学习的图像处理方法，其特征在于，还包括如下步骤：

在使用目标图像的图像处理方法对目标图像进行图像处理之后，建立无监督图像处理模型；

将该目标图像的特征作为输入同时将该目标图像所对应的图像处理方法作为输出进行建模，得到一个无监督图像处理模型，并对该无监督图像处理模型进行训练；

将后续录入的目标图像提取出其特征之后，将提取出的特征输入到该无监督图像处理模型中得到其所对应的图像处理方法，并使用该目标图像的特征和其所对应的图像处理方法放入该无监督图像处理模型进行训练。

3.如权利要求2所述的一种基于机器学习的图像处理方法，其特征在于，当有监督图像处理模型训练好之后，再建立无监督图像处理模型。

4.如权利要求2所述的一种基于机器学习的图像处理方法，其特征在于，还包括如下步骤：

将有监督图像处理模型和无监督图像处理模型进行合并，得到全图像处理模型；

将录入的目标图像提取出其特征之后，将提取出的特征输入到该全图像处理模型中得到其所对应的图像处理方法；

使用该目标图像的图像处理方法对该目标图像进行图像处理，并输出图像处理后的图案。

5.如权利要求1所述的一种基于机器学习的图像处理方法，其特征在于，在提取出要处理的训练图像的特征的时候，包括如下步骤：

获取要处理的训练图像的全部像素点，并得到全部像素点所组成的M×N矩阵；

获取第i行第j列的像素点的坐标(i,j)以及该像素点的像素值Z_(i,j)，其中i＝1,2,…,M，j＝1,2,…,N；

根据

得到每一个像素点的差异值C_(i,j)，

遍历所有的像素点的差异值并求得该训练图像的差异值C为像素点的差异值C_(i,j)的平均值；

将训练图像的差异值C作为训练图像的特征进行输出。

6.如权利要求5所述的一种基于机器学习的图像处理方法，其特征在于，在求得该训练图像的差异值C为像素点的差异值C_(i,j)的平均值的时候，根据

求得。