图像处理方法、装置、计算机设备和存储介质与流程

技术特征：
1.一种图像处理方法，其特征在于，所述方法包括：获取第一图像域的第一图像，将所述第一图像输入到待训练的图像处理模型中，得到第二图像域的第二图像；对所述第一图像进行特征提取，得到第一图像特征；对所述第二图像进行特征提取，得到第二图像特征；计算所述第一图像特征与所述第二图像特征之间的目标特征关联度，基于所述目标特征关联度得到第一模型损失值，所述第一模型损失值与所述目标特征关联度成负相关关系；获取所述第一图像特征对应的第一特征值分布以及所述第二图像特征对应的第二特征值分布；计算所述第一特征值分布与所述第二特征值分布之间的分布关联度，基于所述分布关联度得到第二模型损失值，所述第二模型损失值与所述分布关联度成负相关关系；基于所述第一模型损失值以及所述第二模型损失值得到目标模型损失值；基于所述目标模型损失值调整所述图像处理模型的模型参数，得到已训练的图像处理模型，以利用已训练的图像处理模型对图像进行处理。2.根据权利要求1所述的方法，其特征在于，所述获取所述第一图像特征对应的第一特征值分布包括：根据所述第一图像特征中的第一特征值进行统计，得到所述第一特征值对应的第一统计值；根据所述第一统计值确定所述第一图像特征对应的第一特征值分布。3.根据权利要求2所述的方法，其特征在于，所述第一统计值包括目标均值以及目标标准差，所述根据所述第一统计值确定所述第一图像特征对应的第一特征值分布包括：获取目标系数集合，所述目标系数集合包括多个目标系数；根据所述目标系数对所述目标标准差进行缩放处理，得到目标缩放值；基于所述目标缩放值对所述目标均值进行平移处理，得到目标数值，各个目标系数对应的目标数值组成目标数值集合；基于所述目标数值集合确定各个所述目标数值对应的目标出现概率，根据各个所述目标数值对应的目标出现概率得到第一特征值分布将各个所述目标数值对应的目标出现概率作为所述第一特征值分布中的分布值。4.根据权利要求3所述的方法，其特征在于，所述目标出现概率是基于所述目标数值集合对应的概率分布关系确定的；所述获取目标系数集合，所述目标系数集合包括多个目标系数包括：获取标准概率分布，基于所述标准概率分布进行数值采样，得到满足所述标准概率分布对应的数值，作为目标系数。5.根据权利要求1所述的方法，其特征在于，所述目标特征关联度包括第一特征判别概率，所述计算所述第一图像特征与所述第二图像特征之间的目标特征关联度，基于所述目标特征关联度得到第一模型损失值包括：将所述第一图像特征以及所述第二图像特征进行拼接，将拼接得到的特征作为正样本特征；
将所述正样本特征输入到特征判别模型中，得到第一特征判别概率；基于所述第一特征判别概率得到第一模型损失值。6.根据权利要求5所述的方法，其特征在于，所述基于所述第一特征判别概率得到第一模型损失值包括：获取第二图像域的第三图像，所述第三图像与所述第二图像不同；对所述第三图像进行特征提取，得到第三图像特征；将目标图像特征与所述第三图像特征作为负样本特征，将所述负样本特征输入到特征判别模型中，得到第二特征判别概率，所述目标图像特征为所述第一图像特征或者第二图像特征；基于所述第一特征判别概率以及所述第二特征判别概率得到第一模型损失值，所述第二特征判别概率与所述第一模型损失值成正相关关系。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：基于所述第一模型损失值得到所述特征判别模型对应的模型参数调整梯度；基于所述模型参数调整梯度调整所述特征判别模型的模型参数。8.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取初始图像处理模型；基于训练图像对所述初始图像处理模型进行训练，得到当前图像处理模型；将参考图像输入到当前图像处理模型中进行处理，得到处理图像；当确定所述处理图像相对于所述参考图像的目标形变度大于形变度阈值时，则进入获取第一图像域的第一图像的步骤。9.根据权利要求1所述的方法，其特征在于，所述计算所述第一特征值分布与所述第二特征值分布之间的分布关联度包括：从所述第一特征值分布中获取第一分布值，从所述第二特征值分布中获取所述第一分布值对应的第二分布值；获取所述第一分布值以及所述第二分布值的差异值；基于所述差异值确定分布关联度，所述分布关联度与所述差异值成负相关关系。10.根据权利要求1所述的方法，其特征在于，所述第一图像特征是基于第一编码模型得到的，所述第二图像特征是基于第二编码模型得到的，所述基于所述目标模型损失值调整所述图像处理模型的模型参数，得到已训练的图像处理模型，以利用已训练的图像处理模型对图像进行处理包括：基于所述目标模型损失值调整所述图像处理模型、所述第一编码模型以及所述第二编码模型的模型参数，得到调整后的图像处理模型、第一编码模型以及第二编码模型；返回获取第一图像域的第一图像的步骤，以继续进行模型训练，直至图像处理模型收敛，得到已训练的图像处理模型。11.一种图像处理方法，其特征在于，所述方法包括：获取待进行风格迁移的原始图像；确定所述原始图像所属的第一图像域以及待迁移至的第二图像域；基于所述第一图像域以及所述第二图像域确定已训练的图像处理模型；所述图像处理模型是基于目标模型损失值训练得到的，所述目标模型损失值根据第一模型损失值以及第
二模型损失值得到，所述第一模型损失值根据第一图像特征与第二图像特征之间的目标特征关联度计算得到，所述第一模型损失值与所述目标特征关联度成负相关关系，所述第二模型损失值根据第一图像特征对应的第一特征值分布与第二图像特征对应的第二特征值分布之间的分布关联度得到，所述第二模型损失值与所述分布关联度成负相关关系，所述第一图像特征为所述第一图像域的第一图像对应的图像特征，所述第一图像特征为所述第二图像域的第二图像对应的图像特征，所述第二图像基于所述第一图像生成；将所述原始图像输入到已训练的图像处理模型中，生成第二图像域的目标图像。12.一种图像处理装置，其特征在于，所述装置包括：图像获取模块，用于获取第一图像域的第一图像，将所述第一图像输入到待训练的图像处理模型中，得到第二图像域的第二图像；图像特征提取模块，用于对所述第一图像进行特征提取，得到第一图像特征；对所述第二图像进行特征提取，得到第二图像特征；第一模型损失值得到模块，用于计算所述第一图像特征与所述第二图像特征之间的目标特征关联度，基于所述目标特征关联度得到第一模型损失值，所述第一模型损失值与所述目标特征关联度成负相关关系；特征值分布获取模块，用于获取所述第一图像特征对应的第一特征值分布以及所述第二图像特征对应的第二特征值分布；第二模型损失值得到模块，用于计算所述第一特征值分布与所述第二特征值分布之间的分布关联度，基于所述分布关联度得到第二模型损失值，所述第二模型损失值与所述分布关联度成负相关关系；目标模型损失值确定模块，用于基于所述第一模型损失值以及所述第二模型损失值得到目标模型损失值；已训练的图像处理模型得到模块，用于基于所述目标模型损失值调整所述图像处理模型的模型参数，得到已训练的图像处理模型，以利用已训练的图像处理模型对图像进行处理。13.一种图像处理装置，其特征在于，所述装置包括：原始图像获取模块，用于获取待进行风格迁移的原始图像；图像域确定模块，用于确定所述原始图像所属的第一图像域以及待迁移至的第二图像域；已训练的图像处理模型确定模块，用于基于所述第一图像域以及所述第二图像域确定已训练的图像处理模型；所述图像处理模型是基于目标模型损失值训练得到的，所述目标模型损失值根据第一模型损失值以及第二模型损失值得到，所述第一模型损失值根据第一图像特征与第二图像特征之间的目标特征关联度计算得到，所述第一模型损失值与所述目标特征关联度成负相关关系，所述第二模型损失值根据第一图像特征对应的第一特征值分布与第二图像特征对应的第二特征值分布之间的分布关联度得到，所述第二模型损失值与所述分布关联度成负相关关系，所述第一图像特征为所述第一图像域的第一图像对应的图像特征，所述第一图像特征为所述第二图像域的第二图像对应的图像特征，所述第二图像基于所述第一图像生成；目标图像生成模块，用于将所述原始图像输入到已训练的图像处理模型中，生成第二
图像域的目标图像。14.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。15.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。

技术总结
本申请涉及一种图像处理方法、装置、计算机设备和存储介质。该方法包括：将第一图像域的第一图像输入到待训练的图像处理模型中，得到第二图像域的第二图像；获取第一图像对应的第一图像特征以及第二图像对应的第二图像特征；基于第一图像特征与第二图像特征之间的目标特征关联度得到第一模型损失值；获取第一图像特征对应的第一特征值分布以及第二图像特征对应的第二特征值分布；计算第一特征值分布与第二特征值分布之间的分布关联度，基于分布关联度得到第二模型损失值，第二模型损失值与分布关联度成负相关关系。采用本方法能够提高图像处理效果。本申请中的图像处理模型可以是基于人工智能的神经网络模型，基于该模型提供人工智能云服务。人工智能云服务。人工智能云服务。


技术研发人员：陈嘉伟 李悦翔 马锴 郑冶枫
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2021.02.04
技术公布日：2021/10/28