[发明专利]图像处理模型的训练方法和装置、白平衡处理方法和装置

权利要求书

1.一种图像处理模型的训练方法，其特征在于，包括：

获取第一训练集图像；

对所述第一训练集图像进行偏色处理，得到偏色后的第二训练集图像；

通过所述第一训练集图像和所述第二训练集图像对待训练神经网络进行训练，得到用于白平衡处理的所述图像处理模型。

2.根据权利要求1所述的图像处理模型的训练方法，其特征在于，所述待训练神经网络包括编码器网络，所述对所述第一训练集图像进行偏色处理，得到第二训练集图像，包括：

通过所述编码器网络对所述第一训练集图像进行卷积处理，得到第一特征图数据；

获取预设的偏色数据和激活函数；

通过所述激活函数将所述偏色数据添加至所述第一特征图数据中，得到偏色的第二特征图数据；

根据所述第二特征图数据生成所述第二训练集图像。

3.根据权利要求2所述的图像处理模型的训练方法，其特征在于，所述待训练神经网络还包括解码器网络，所述通过所述第一训练集图像和所述第二训练集图像对待训练神经网络进行训练，包括：

通过所述解码器网络对所述第二训练集图像进行反卷积处理，得到输出图像；

获取预设的损失函数，将所述输出图像和所述第一训练集图像输入至所述损失函数；

获取所述损失函数输出的当前损失值，以目标损失值范围为目标持续训练所述待训练神经网络，直至所述当前损失值落入所述目标损失值范围内。

4.根据权利要求3所述的图像处理模型的训练方法，其特征在于，所述激活函数为线性整流函数，所述损失函数为基于Wasserstein距离的损失函数。

5.根据权利要求3或4所述的图像处理模型的训练方法，其特征在于，所述损失函数为：

其中，X为输入变量，Z为编码数据，Obj_WCAE(P_X,P_Y)为所述当前损失值，为X的分布的期望值，为Z关于X的条件概率分布的期望值，λ为正则项的系数且λ为常数，为编码器权重的L2范数，为解码器权重的L2范数，β为稀疏项的系数且β为常数，||h||₁为稀疏项的L1范数。

6.根据权利要求2至4中任一项所述的图像处理模型的训练方法，其特征在于，在所述通过所述第一训练集图像和所述第二训练集图像对待训练神经网络进行训练之后，所述训练方法还包括：

固定所述第二特征图数据对应的偏色权重值。

7.一种图像处理模型的训练装置，其特征在于，包括：

第一获取单元，用于获取第一训练集图像；

第一处理单元，用于对所述第一训练集图像进行偏色处理，得到偏色后的第二训练集图像；

训练单元，通过所述第一训练集图像和所述第二训练集图像对待训练神经网络进行训练，得到用于白平衡处理的所述图像处理模型。

8.一种图像的白平衡处理方法，其特征在于，包括：

获取根据权利要求1至6中任一项所述的图像处理模型的训练方法训练得到的所述图像处理模型；

通过所述图像处理模型对待处理图像进行白平衡处理，得到白平衡处理后的目标图像。

9.根据权利要求8所述的图像的白平衡处理方法，其特征在于，所述图像处理模型包括编码器网络和解码器网络，所述通过所述图像处理模型对待处理图像进行白平衡处理，包括：

获取偏色权重值；

通过所述编码器网络对所述待处理图像进行卷积处理，得到所述待处理图像对应的第三特征图数据；

通过所述偏色权重值对所述第三特征图数据进行加权操作，得到第四特征图数据；

通过所述解码器网络对所述第四特征图数据进行反卷积处理，得到白平衡处理后所述目标图像。