一种图像处理方法以及相关设备与流程

技术特征：
1.一种图像处理方法，其特征在于，所述方法包括：获取至少一个第一图像，所述至少一个第一图像通过至少一个第一相机对周围环境拍摄得到；通过第一神经网络生成第一信息，所述第一信息指示每个所述第一图像的预测天气状态；根据所述第一信息和第二信息，确定所述周围环境的天气状态，所述第二信息指示每个所述第一图像中的至少一种感兴趣区域，所述至少一种感兴趣区域中的第一感兴趣区域包括与所述第一图像的预测天气状态具有关联关系的区域。2.根据权利要求1所述的方法，其特征在于，所述第一图像的数量为至少两个，所述至少两个第一图像中存在来自于不同的所述第一相机的图像。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述第一信息和第二信息，确定所述周围环境的天气状态，包括：根据所述第二信息，确定与每种所述第一感兴趣区域对应的参数信息，所述参数信息包括如下任一项或多项：所述第一感兴趣区域在所述第一图像中的覆盖率、所述第一感兴趣区域的面积、所述第一感兴趣区域的亮度或所述第一感兴趣区域的模糊度；根据所述第一信息和与所述第一感兴趣区域对应的参数信息，确定所述周围环境的天气状态。4.根据权利要求1或2所述的方法，其特征在于，所述通过第一神经网络生成第一信息，包括：通过所述第一神经网络对第二图像的天气状态进行预测，得到所述第一信息，其中，所述第二图像包括所述第一图像中除了所述至少一种感兴趣区域中的第二感兴趣区域之外的图像区域，所述第二感兴趣区域包括由所述第一相机的遮挡物造成、且与天气状态具有关联关系的区域。5.根据权利要求4所述的方法，其特征在于，所述至少一种感兴趣区域中的第二感兴趣区域包括以下任一种或多种：模糊区域、水滴区域、泥水区域、覆冰区域、雪花区域或眩光区域。6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：根据所述第二信息，确定通过第二相机得到的所述第一图像中的第三感兴趣区域，所述第二相机归属于所述至少一个第一相机，所述通过第二相机得到的所述第一图像包含于所述至少一个第一图像，所述第三感兴趣区域包括通过第二相机得到的所述第一图像中由所述第二相机的遮挡物造成的区域；根据所述通过第二相机得到的所述第一图像中由所述第二相机的遮挡物造成的区域，确定所述第二相机的失效程度。7.一种图像处理方法，其特征在于，所述方法包括：获取至少一个第一图像，每个所述第一图像通过第一相机对周围环境拍摄得到；获取所述第二信息，其中，所述第二信息指示每个所述第一图像中的至少一种感兴趣区域，所述至少一种感兴趣区域包括第二感兴趣区域，所述第二感兴趣区域包括由所述第一相机的遮挡物造成的区域、且与天气状态具有关联关系的区域；
通过所述第一神经网络对第二图像的天气状态进行预测，得到所述第一信息，所述第二图像包括所述第一图像中除了所述第二感兴趣区域之外的图像区域，所述第一信息指示每个所述第一图像的预测天气状态，所述第一信息用于确定所述周围环境的天气状态。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：根据所述第一信息和所述至少一种感兴趣区域中的第一感兴趣区域，确定所述周围环境的天气状态，所述至少一种感兴趣区域中的第一感兴趣区域包括与所述第一图像的预测天气状态具有关联关系的区域。9.根据权利要求8所述的方法，其特征在于，所述根据所述第一信息和所述至少一种感兴趣区域中的第一感兴趣区域，确定所述周围环境的天气状态，包括：根据所述第二信息，确定与所述第一感兴趣区域对应的参数信息，所述参数信息包括如下任一项或多项：所述第一感兴趣区域在所述第一图像中的覆盖率、所述第一感兴趣区域的面积、所述第一感兴趣区域的亮度或所述第一感兴趣区域的模糊度；根据所述第一信息和与所述第一感兴趣区域对应的参数信息，确定所述周围环境的天气状态。10.一种神经网络的训练方法，其特征在于，所述方法包括：获取训练图像，所述训练图像通过相机对周围环境拍摄得到；通过第一神经网络生成第二信息，其中，所述第二信息指示至少一种感兴趣区域在所述训练图像中的预测位置，所述至少一种感兴趣区域包括由所述相机的遮挡物造成的区域；根据第一损失函数项对所述第一神经网络进行训练，所述第一损失函数项指示所述第二信息和第一期望信息之间的相似度，所述第一期望信息指示所述至少一种感兴趣区域在所述训练图像中的正确位置。11.根据权利要求10所述的方法，其特征在于，所述通过第一神经网络生成第二信息之后，所述方法还包括：通过所述第一神经网络对第二图像的天气状态进行预测，得到第一信息，其中，第二图像包括所述训练图像中除了所述至少一种感兴趣区域之外的图像区域，所述第一信息指示每个所述训练图像的预测天气状态；所述根据第一损失函数项对所述第一神经网络进行训练，包括：根据所述第一损失函数项和第二损失函数项对所述第一神经网络进行训练，所述第二损失函数项指示所述第一信息和第二期望信息之间的相似度，所述第二期望信息指示所述训练图像的正确天气状态。12.一种图像处理装置，其特征在于，所述装置包括：获取模块，用于获取至少一个第一图像，所述至少一个第一图像通过至少一个第一相机对周围环境拍摄得到；生成模块，用于通过第一神经网络生成第一信息，所述第一信息指示每个所述第一图像的预测天气状态；确定模块，用于根据所述第一信息和第二信息，确定所述周围环境的天气状态，所述第二信息指示每个所述第一图像中的至少一种感兴趣区域，所述至少一种感兴趣区域中的第一感兴趣区域包括与所述第一图像的预测天气状态具有关联关系的区域。
13.根据权利要求12所述的装置，其特征在于，所述第一图像的数量为至少两个，所述至少两个第一图像中存在来自于不同的所述第一相机的图像。14.根据权利要求12或13所述的装置，其特征在于，所述确定模块，具体用于：根据所述第二信息，确定与每种所述第一感兴趣区域对应的参数信息，所述参数信息包括如下任一项或多项：所述第一感兴趣区域在所述第一图像中的覆盖率、所述第一感兴趣区域的面积、所述第一感兴趣区域的亮度或所述第一感兴趣区域的模糊度；根据所述第一信息和与所述第一感兴趣区域对应的参数信息，确定所述周围环境的天气状态。15.根据权利要求12或13所述的装置，其特征在于，所述生成模块，具体用于通过所述第一神经网络对第二图像的天气状态进行预测，得到所述第一信息，其中，所述第二图像包括所述第一图像中除了所述至少一种感兴趣区域中的第二感兴趣区域之外的图像区域，所述第二感兴趣区域包括由所述第一相机的遮挡物造成、且与天气状态具有关联关系的区域。16.根据权利要求15所述的装置，其特征在于，所述至少一种感兴趣区域中的第二感兴趣区域包括以下任一种或多种：模糊区域、水滴区域、泥水区域、覆冰区域、雪花区域或眩光区域。17.根据权利要求12或13所述的装置，其特征在于，所述确定模块，还用于根据所述第二信息，确定通过第二相机得到的所述第一图像中的第三感兴趣区域，所述第二相机归属于所述至少一个第一相机，所述通过第二相机得到的所述第一图像包含于所述至少一个第一图像，所述第三感兴趣区域包括通过第二相机得到的所述第一图像中由所述第二相机的遮挡物造成的区域；所述确定模块，还用于根据所述通过第二相机得到的所述第一图像中由所述第二相机的遮挡物造成的区域，确定所述第二相机的失效程度。18.一种图像处理装置，其特征在于，所述装置包括：获取模块，用于获取至少一个第一图像，每个所述第一图像通过第一相机对周围环境拍摄得到；所述获取模块，用于获取所述第二信息，其中，所述第二信息指示每个所述第一图像中的至少一种感兴趣区域，所述至少一种感兴趣区域包括第二感兴趣区域，所述第二感兴趣区域包括由所述第一相机的遮挡物造成的区域、且与天气状态具有关联关系的区域；处理模块，用于通过所述第一神经网络对第二图像的天气状态进行预测，得到所述第一信息，所述第二图像包括所述第一图像中除了所述第二感兴趣区域之外的图像区域，所述第一信息指示每个所述第一图像的预测天气状态，所述第一信息用于确定所述周围环境的天气状态。19.根据权利要求18所述的装置，其特征在于，所述处理模块，还用于根据所述第一信息和所述至少一种感兴趣区域中的第一感兴趣区域，确定所述周围环境的天气状态，所述至少一种感兴趣区域中的第一感兴趣区域包括与所述第一图像的预测天气状态具有关联关系的区域。20.根据权利要求19所述的装置，其特征在于，所述处理模块，具体用于：
根据所述第二信息，确定与所述第一感兴趣区域对应的参数信息，所述参数信息包括如下任一项或多项：所述第一感兴趣区域在所述第一图像中的覆盖率、所述第一感兴趣区域的面积、所述第一感兴趣区域的亮度或所述第一感兴趣区域的模糊度；根据所述第一信息和与所述第一感兴趣区域对应的参数信息，确定所述周围环境的天气状态。21.一种神经网络的训练装置，其特征在于，所述装置包括：获取模块，用于获取训练图像，所述训练图像通过相机对周围环境拍摄得到；处理模块，用于通过第一神经网络生成第二信息，其中，所述第二信息指示至少一种感兴趣区域在所述训练图像中的预测位置，所述至少一种感兴趣区域包括由所述相机的遮挡物造成的区域；训练模块，用于根据第一损失函数项对所述第一神经网络进行训练，所述第一损失函数项指示所述第二信息和第一期望信息之间的相似度，所述第一期望信息指示所述至少一种感兴趣区域在所述训练图像中的正确位置。22.根据权利要求21所述的装置，其特征在于，所述处理模块，还用于通过所述第一神经网络对第二图像的天气状态进行预测，得到第一信息，其中，第二图像包括所述训练图像中除了所述至少一种感兴趣区域之外的图像区域，所述第一信息指示每个所述训练图像的预测天气状态；所述训练模块，具体用于根据所述第一损失函数项和第二损失函数项对所述第一神经网络进行训练，所述第二损失函数项指示所述第一信息和第二期望信息之间的相似度，所述第二期望信息指示所述训练图像的正确天气状态。23.一种计算机程序产品，其特征在于，所述计算机程序产品包括程序，当所述程序在计算机上运行时，使得计算机执行如权利要求1至11中任一项所述的方法。24.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，当所述程序在计算机上运行时，使得计算机执行如权利要求1至11中任一项所述的方法。25.一种执行设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器耦合，所述存储器，用于存储程序；所述处理器，用于执行所述存储器中的程序，使得所述执行设备执行如权利要求1至6中任一项所述的方法，或者，使得所述执行设备执行如权利要求7至9任一项所述的方法。26.一种训练设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器耦合，所述存储器，用于存储程序；所述处理器，用于执行所述存储器中的程序，使得所述训练设备执行如权利要求10或11所述的方法。

技术总结
本申请实施例公开一种图像处理方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，方法包括：获取至少一个第一图像，至少一个第一图像通过第一相机对周围环境拍摄得到；通过第一神经网络生成第一信息，第一信息指示每个第一图像的预测天气状态；根据第一信息和第二信息，确定前述周围环境的天气状态，第二信息指示每个第一图像中与前述预测天气状态具有关联关系的区域。综合第一神经网络生成的每个第一图像的预测天气状态和第一图像中与前述预测天气状态具有关联关系的区域，最终确定周围环境的天气状态，有利于提高最终确定的天气状态的准确率。确定的天气状态的准确率。确定的天气状态的准确率。


技术研发人员：赵帅 杨臻
受保护的技术使用者：华为技术有限公司
技术研发日：2022.09.30
技术公布日：2023/1/31