(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 202211064292.6 (22)申请日 2022.09.01 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 周翊航　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 蔡舒野 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/30(2022.01) G06V 10/762(2022.01) (54)发明名称 图像处理方法、 装置、 电子设备及存 储介质 (57)摘要 本发明公开了一种图像处理方法、 装置、 电 子设备及存储介质， 该方法包括： 获取图像处理 的目标任务， 目标任务包括原始特征矩阵； 获取 原始特征矩 阵对应的潜在数据表示模型和潜在 低秩表示模 型； 将潜在数据表 示模型和潜在低秩 表示模型进行预设整合处理， 获得关于目标任务 的潜在特征低秩表示模型； 在约束条件下求解目 标函数； 根据目标任务确定目标参数矩阵， 基于 目标参数矩阵对目标任务进行计算， 获得目标任 务的处理结果。 本发明能够在潜在数据表示模型 中将原始数据包含的主要特征信息保留在潜在 特征表示中， 避免了信息损失， 基于潜在特征低 秩表示模型在对图像进行处理时， 能够避免原始 数据所包含的冗余特征和噪声信息对信息提取 的影响。 权利要求书2页 说明书15页 附图4页 CN 115410002 A 2022.11.29 CN 115410002 A 1.一种图像处 理方法， 其特 征在于， 包括： 获取图像处 理的目标任务， 所述目标任务包括原 始特征矩阵； 获取所述原始特征矩阵对应的潜在数据表示模型和潜在低秩表示模型； 将所述潜在数据表示模型和所述潜在低秩表示模型进行预设整合处理， 获得关于所述 目标任务的潜在特征低秩表示模型， 所述潜在特征低秩表示模型包括目标函数和约束条 件， 所述目标函数为关于所述潜在数据表示模型和所述潜在低秩表示模型中包含的至少一 个参数的目标函数； 在所述约束条件下求解所述目标函数， 获得至少一个参数矩阵， 所述参数矩阵为所述 参数对应的矩阵； 根据所述目标任务确定目标参数矩阵， 基于所述目标参数矩阵对所述目标任务进行计 算， 获得所述目标任务的处 理结果， 所述目标参数矩阵包括至少一个所述 参数矩阵。 2.根据权利要求1所述的方法， 其特征在于， 所述原始特征矩阵由所述原始特征矩阵的 潜在表示、 正交字典和第一重构误差组成， 所述原始特征矩阵的潜在表示由所述原始特征 矩阵左乘所述原 始特征矩阵对应的转换矩阵获得； 所述获取 所述原始特征矩阵对应的潜在数据表示模型， 包括： 根据所述原始特征矩阵、 所述转换矩阵、 所述正交字典和所述第一重构误差获得所述 潜在数据表示模型。 3.根据权利要求1所述的方法， 其特征在于， 所述获取所述原始特征矩阵对应的潜在低 秩表示模型， 包括： 获取所述原始特征矩阵中关于低秩表示学习的表示系数矩阵； 根据所述表示系数矩阵和第二重构误差获得 所述低秩表示学习模型。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述潜在数据表示模型和所述潜在 低秩表示模型进行 预设整合处 理， 获得关于所述目标任务的潜在特 征低秩表示模型， 包括： 将所述潜在数据表示模型和所述潜在低秩表示模型进行整合获得初始潜在特征低秩 表示模型； 从所述原始特征矩阵中提取邻 近样本点之间的局部结构信 息， 并对所述潜在数据表示 模型中的潜在表示引入范 数； 根据所述初始潜在特征低秩表示模型、 所述局部结构信和所述潜在表示的范数， 获得 所述潜在特 征低秩表示模型。 5.根据权利要求1所述的方法， 其特征在于， 所述在所述约束条件下求解所述目标函 数， 获得至少一个参数矩阵， 包括： 优化所述目标函数获得主函数， 所述主函数包括所述至少一个参数； 对于所述至少一个参数中的任一参数， 采取固定所有其他参数更新单个参数的方式进 行迭代求解， 获得所述至少一个参数矩阵， 所述至少一个参数矩阵包括所述正交字典、 所述 转换矩阵、 所述表示系数矩阵、 所述第一重构误差组成和所述第二重构误差组成。 6.根据权利要求5所述的方法， 其特征在于， 所述目标任务为图像特征提取任务， 所述 原始特征矩阵由图像中的像素点组成， 所述目标参数矩阵为所述 转换矩阵； 相应地， 所述根据所述目标任务确定目标参数矩阵， 基于所述目标参数矩阵对所述目 标任务进行计算， 获得 所述目标任务的处 理结果， 包括：权　利　要　求　书 1/2 页 2 CN 115410002 A 2基于所述转换矩阵对所述原始特征矩阵中的像素点数据进行提取， 获得所述原始特征 矩阵的特 征数据。 7.根据权利要求5所述的方法， 其特征在于， 所述目标任务为图像聚类任务， 所述原始 特征矩阵由多个样本图像组成， 所述目标参数矩阵为所述表示系数矩阵； 相应地， 所述根据所述目标任务确定目标参数矩阵， 基于所述目标参数矩阵对所述目 标任务进行计算， 获得 所述目标任务的处 理结果， 包括： 对所述系数矩阵进行奇异值分解， 获得左奇异 矩阵； 对所述左奇异矩阵和原始奇异值矩阵进行预设处理， 获得每两个样本图像间的亲和矩 阵； 基于预设聚类算法对每两个样本图像间的亲和矩阵进行聚类计算， 获得所述多个样本 图像的聚类结果。 8.一种图像处 理装置， 其特 征在于， 包括： 任务获取模块， 用于获取图像处 理的目标任务， 所述目标任务包括原 始特征矩阵； 模型获取模块， 用于获取所述原始特征矩阵对应的潜在数据表示模型和潜在低秩表示 模型； 模型获得模块， 用于将所述潜在数据表示模型和所述潜在低秩表示模型进行预设整合 处理， 获得关于所述 目标任务的潜在特征低秩表示模型， 所述潜在特征低秩表示模型包括 目标函数和约束 条件， 所述目标函数为关于所述潜在数据 表示模型和所述潜在低秩表示模 型中包含的至少一个参数的目标函数； 函数求解模块， 用于在所述约束条件下求解所述目标函数， 获得至少一个参数矩阵， 所 述参数矩阵为所述 参数对应的矩阵； 结果获得模块， 用于根据所述目标任务确定目标参数矩阵， 基于所述目标参数矩阵对 所述目标任务进行计算， 获得所述 目标任务的处理结果， 所述 目标参数矩阵包括至少一个 所述参数矩阵。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑7中任一项所述的 图像处理方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑7任一项所述的图像处 理方法。权　利　要　求　书 2/2 页 3 CN 115410002 A 3