CN114119376B 一种图像处理方法、装置、电子设备及存储介质 （北京金山云网络技术有限公司）

复后的目标回贴至原图像并通过对回贴产生的2检测所述待修复目标在所述第一图像中的感基于所述感兴趣区域在所述第一图像中的坐标位置，将修复基于所述融合区域中各像素对应的掩模权重以及所述第一图像的非融合区域中各像通过将所述第一图像输入第一卷积神经网络中，利用所述第一卷通过将所述第一图像输入第二卷积神经网络中，利用所述第二卷通过将所述第二图像输入生成对抗网络中，利用所述生成对抗网络修复所述第二图所述融合区域为沿所述感兴趣区域的边界呈带状分布3将所述融合区域中各像素的像素值与对应的掩模权重进行与9.根据权利要求1或8所述方法，其特征在于，所述将所述感兴趣区域等比例缩放，并基于缩放后的区域与所述感兴趣区域确定融合区若所述掩模矩阵中的元素对应所述第一图像的非融合区域中若所述掩模矩阵中的元素对应所述第一图像的非融合区域中对所述消除处理得到的图像进行去噪和/或通过将所述消除处理得到的图像输入第三卷积神经网络中，基于所述融合区域中各像素对应的掩模权重以及所述第一图像的非融合区域中各像所述痕迹处理单元基于所述掩模矩阵、所述第一图像和修复后的第二4所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至12任一567[0033]图2为本公开实施例提供的一种图像处理装置200的示例性框图。在一些实施例中，图像处理装置200可以实现为图1中的图像处理装置100或者图像处理装置100的一部[0035]所述去噪模块201，用于获取带噪声信息带目标的图像，并去除图像中的噪声信所述整体增强模块203进行整体增强的方式可以为去噪和/或锐化处理，包括去噪处理和/处理得到的图像输入第三卷积神经网络中，利用所述第三卷积神经网络进行去噪和/或锐8增强模块203均为可选模块，也即图像处理装置200仅具有单独修复模块202。可以理解的术人员可对每个特定的应用使用不同方法来实现所描述[0039]图3为本公开实施例提供的一种单独修复模块300的示例性框图。在一些实施例中，单独修复模块300可以实现为图2中的单独修复模块202或者单独修复模块202的一部[0041]所述检测单元301，用于检测待修复目标在第一图像中的感兴趣区域(Regionof集一批标记RoI的图像作为第二卷积神经网络的标记，将这些图像作为第二卷积神经网络别器基于对生成图像的第一判别值(概率值)和真实图像的第二判别值(概率值)更新所述9[0047]图4为本公开实施例提供的一种单独修复模块400的示例性框图。在一些实施例中，单独修复模块400可以实现为图3中的单独修复模块300或者单独修复模块300的一部[0049]所述痕迹处理单元404用于对回贴产生的拼接痕迹进行消除处理。所述拼接痕迹所述融合区域为沿所述感兴趣区域的边界呈带状分布的在一些实施例中，所述痕迹处理单元404可基于所述感兴趣区域的边界尺寸确定融合区域[0052]在一些实施例中，所述痕迹处理单元404可确定所述融合区域中各像素对应的掩模权重。所述痕迹处理单元404可根据融合区域中各像素与所述感兴趣区域的边界之间的[0053]在一些实施例中，所述痕迹处理单元404可将所述融合区域中各像素的像素值与可基于所述融合区域中各像素对应的掩模权重以及所述第一图像的非融合区域中各像素回贴至所述第一图像所得到的图像，A为所述第一图像或者所述第一图像经过去噪后得到以是应用程序中存储的程序或指令，处理器501用于执行本公开实施例提供的图像处理方各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field[0063]本公开实施例提供的图像处理方法的步骤可以直接体现为硬件译码处理器执行[0064]图6为本公开实施例提供的一种图像处理方法的示例性流程图。该方法的执行主[0065]在步骤601中，电子设备获取第一图像，所述第一图像中包括至少一个待修复目回贴至所述第一图像所得到的图像，A为所述第一图像或者所述第一图像经过去噪后得到消除处理得到的图像输入第三卷积神经网络中，利用所述第三卷积神经网络进行去噪和/储介质存储程序或指令，所述程序或指令使计算机执行如图像处理方法各实施例的步骤，