(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210504218.5 (22)申请日 2022.05.10 (71)申请人 阿里巴巴达摩院 （杭州） 科技有限公 司 地址 310023 浙江省杭州市余杭区五常街 道文一西路969号3幢5层516室 (72)发明人 纪德益　赵一儒　陶明渊　黄建强　 华先胜　 (74)专利代理 机构 北京博浩百 睿知识产权代理 有限责任公司 1 1134 专利代理师 谢湘宁　李静茹 (51)Int.Cl. G06V 10/54(2022.01) G06V 10/44(2022.01) G06V 10/28(2022.01)G06V 10/26(2022.01) G06V 10/22(2022.01) G06V 10/774(2022.01) G06V 20/70(2022.01) G06T 5/20(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 图像处理方法、 存 储介质以及计算机终端 (57)摘要 本发明公开了一种图像处理方法、 存储介质 以及计算机终端。 其中， 该方法包括： 获取目标图 像； 利用第一处理模型对目标图像进行处理， 得 到处理结果， 其中， 第一处理模型基于目标损失 函数训练得到， 目标损失函数基于第一纹理特征 和第二纹理特征构建， 第一纹理特征通过第一处 理模型对训练图像进行特征提取得到， 第二纹理 特征通过第二处理模型对训练图像进行特征提 取得到， 第二处理模型为已经训练好的处理模 型。 本发明解决了相关技术中在对图像进行识别 或检测的情况下， 利用处理模型对图像进行处理 得到的处 理结果精确度较低的技 术问题。 权利要求书3页 说明书21页 附图7页 CN 114898122 A 2022.08.12 CN 114898122 A 1.一种图像处 理方法， 其特 征在于， 包括： 获取目标图像； 利用第一处理模型对所述目标图像进行处理， 得到处理结果， 其中， 所述第 一处理模型 基于目标损失函数训练得到， 所述 目标损失函数基于第一纹理特征和第二纹理特征构建， 所述第一纹理特征通过所述第一处理模型对训练图像进行特征提取得到， 所述第二纹理特 征通过第二处理模型对所述训练图像进行特征提取得到， 所述第二处理模 型为已经训练好 的处理模型， 所述第一处 理模型和所述第二处 理模型为机器学习模型。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取训练图像； 分别利用所述第 一处理模型和所述第 二处理模型对所述训练图像进行特征提取， 得到 所述第一纹 理特征和所述第二纹 理特征； 基于所述第一纹 理特征和所述第二纹 理特征构建所述目标损失函数； 利用所述目标损失函数对所述第一处 理模型的模型参数进行 更新， 得到更新结果。 3.根据权利要求2所述的方法， 其特征在于， 所述第一纹理特征包括如下至少之一： 第 一结构化纹理特征和 第一统计性纹理特征， 利用所述第一处理模型对所述训练图像进 行特 征提取， 得到所述第一纹 理特征， 包括如下至少之一： 利用所述第 一处理模型中的第 一特征提取模块对所述训练图像进行特征提取， 得到所 述第一结构化纹理特征， 其中， 所述第一特征提取模块用于提取所述训练图像中与轮廓信 息相关的局部纹 理特征； 利用所述第 一处理模型中的第 二特征提取模块对所述训练图像进行特征提取， 得到所 述第一统计性纹理特征， 其中， 所述第二特征提取模块用于提取所述训练图像中与显示参 数相关的全局纹 理特征。 4.根据权利要求3所述的方法， 其特征在于， 所述第二纹理特征包括如下至少之一： 第 二结构化纹理特征和 第二统计性纹理特征， 利用所述第二处理模型对所述训练图像进 行特 征提取， 得到所述第二纹 理特征， 包括： 利用所述第 二处理模型中的第 一特征提取模块对所述训练图像进行特征提取， 得到所 述第二结构化纹 理特征； 利用所述第 二处理模型中的第 二特征提取模块对所述训练图像进行特征提取， 得到所 述第二统计性纹 理特征。 5.根据权利要求2所述的方法， 其特征在于， 在所述第一纹理特征包括： 第一结构化纹 理特征和第一统计性纹理特征， 所述第二纹理特征包括： 第二结构化纹理特征和第二统计 性纹理特征 的情况下， 基于所述第一纹理特征和所述第二纹理特征构建目标损失函数， 包 括： 基于所述第一结构化纹 理特征和所述第二结构化纹 理特征， 确定第一损失函数； 基于所述第一统计性纹 理特征和所述第二统计性纹 理特征， 确定第二损失函数； 基于所述第一损失函数和所述第二损失函数， 构建所述目标损失函数。 6.根据权利要求4所述的方法， 其特征在于， 利用所述第 二特征提取模块对所述训练图 像进行特征提取， 得到所述第一统计性纹 理特征或所述第二统计性纹 理特征， 包括： 利用目标采样算法对所述训练图像进行采样， 得到所述第 一处理模型对应的第 一图像权　利　要　求　书 1/3 页 2 CN 114898122 A 2或所述第二处 理模型对应的第二图像； 对所述第一图像进行特征提取， 得到所述第一统计性纹理特征， 或对所述第二图像进 行特征提取， 得到所述第二统计性纹 理特征。 7.根据权利要求6所述的方法， 其特征在于， 对所述第一图像进行特征提取， 得到所述 第一统计性纹理特征， 或对 所述第二图像进 行特征提取， 得到所述第二统计性纹理特征， 包 括： 基于目标量 化级数对所述第一图像进行量 化， 得到所述第一图像对应的第三图像； 对所述第三图像进行 特征提取得到所述第一统计性纹 理； 或， 基于所述目标量化级数对所述第二图像进行量化， 得到所述第二图像对应的第四图 像； 对所述第四图像进行 特征提取， 得到所述第二统计性纹 理特征。 8.根据权利要求7所述的方法， 其特征在于， 在基于目标量化级数对所述第 一图像进行 量化的过程中， 对所述第一图像中的目标噪声进行抑制， 或在基于所述 目标量化技术对所 述第二图像进行量 化的过程中， 对所述第二图像中的所述目标噪声 进行抑制。 9.一种模型训练方法， 其特 征在于， 包括： 获取训练图像； 分别利用第 一处理模型和第 二处理模型对所述训练图像进行特征提取， 得到第 一纹理 特征和第二纹 理特征， 其中， 所述第一处 理模型和所述第二处 理模型为机器学习模型； 基于所述第一纹 理特征和所述第二纹 理特征构建目标损失函数； 利用所述目标损失函数对所述第一处 理模型的模型参数进行 更新， 得到更新结果。 10.一种图像处 理方法， 其特 征在于， 包括： 云服务器获取目标图像； 云服务器利用第 一处理模型对所述目标图像进行处理， 得到处理结果， 其中， 所述第一 处理模型基于目标损失函数训练得到， 所述目标损失函数基于第一纹理特征和 第二纹理特 征构建， 所述第一纹理特征通过所述第一处理模型对训练图像进行特征提取得到， 所述第 二纹理特征通过第二处理模型对所述训练图像进 行特征提取得到， 所述第二处理模型为已 经训练好的处 理模型， 所述第一处 理模型和所述第二处 理模型为机器学习模型。 11.一种图像处 理方法， 其特 征在于， 包括： 在交互界面显示目标图像； 在所述交互界面中感应到目标触控操作的情况下， 在所述交互界面中显示所述目标图 像对应的处理结果， 其中， 所述处理结果通过第一处理模型对 所述目标图像进 行处理得到， 所述第一处理模型基于目标损失函数训练得到， 所述目标损失函数基于第一纹理特征和 第 二纹理特征构建， 所述第一纹理特征通过所述第一处理模型对训练图像进行特征提取得 到， 所述第二纹理特征通过第二处理模型对所述训练图像进行特征提取得到， 所述第二处 理模型为已经训练好的处理模型， 所述第一处理模型和所述第二处理模型为机器学习模 型。 12.一种图像渲染方法， 其特 征在于， 包括： 在虚拟现实VR设备或增强现实AR设备的呈现画面上显示目标图像；权　利　要　求　书 2/3 页 3 CN 114898122 A 3