[发明专利]一种图像增强方法、装置和显示设备

权利要求书

1.一种图像增强方法，其特征在于，所述方法包括：

构建图像增强神经网络模型，所述图像增强神经网络模型的输入为图像和所述图像对应的光照图层，输出为增强后的图像；

获取待处理图像对应的光照图层；

将所述待处理图像和所述待处理图像对应的光照图层输入到所述图像增强神经网络模型中，输出增强后的图像；

图像对应的光照图层采用以下方法获取：

将所述图像从第一颜色空间转换为包含第一亮度信息的第二颜色空间，并提取所述图像的第一亮度信息；

采用滤波算法对所述第一亮度信息进行滤波处理，得到灰度图像；

计算所述灰度图像的所有像素的第二亮度信息的平均值；

采用所述平均值修正所述灰度图像的每个像素的第二亮度信息，得到光照图层，其中，每个像素修正后的亮度信息等于每个像素的第二亮度信息减去所述平均值。

2.根据权利要求1所述的方法，其特征在于，所述构建图像增强神经网络模型，具体包括：

构建卷积神经网络模型，所述卷积神经网络模型的输入为图像和所述图像对应的光照图层，所述卷积神经网络模型的输出为增强后的图像；

构建训练集，所述训练集包括多组训练数据，每组训练数据包括原始图像、原始图像对应的光照图层以及原始图像对应的增强后的图像；

利用所述训练集训练所述卷积神经网络模型，得到所述图像增强神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述滤波算法为中值滤波算法。

4.根据权利要求2所述的方法，其特征在于，所述卷积神经网络模型为全卷积网络模型。

5.一种图像增强装置，其特征在于，包括：构建模块、获取模块和处理模块，其中，

所述构建模块，用于构建图像增强神经网络模型，所述图像增强神经网络模型的输入为图像和所述图像对应的光照图层，输出为增强后的图像；

所述获取模块，用于获取待处理图像对应的光照图层；

所述处理模块，用于将所述待处理图像和所述待处理图像对应的光照图层输入到所述图像增强神经网络模型中，输出增强后的图像；

图像对应的光照图层采用以下方法获取：

将所述图像从第一颜色空间转换为包含第一亮度信息的第二颜色空间，并提取所述图像的第一亮度信息；

采用滤波算法对所述第一亮度信息进行滤波处理，得到灰度图像；

计算所述灰度图像的所有像素的第二亮度信息的平均值；

采用所述平均值修正所述灰度图像的每个像素的第二亮度信息，得到光照图层，其中，每个像素修正后的亮度信息等于每个像素的第二亮度信息减去所述平均值。

6.根据权利要求5所述的装置，其特征在于，所述构建模块，具体用于构建卷积神经网络模型和训练集，并利用所述训练集训练所述卷积神经网络模型，得到所述图像增强神经网络模型；其中，所述卷积神经网络模型的输入为图像和所述图像对应的光照图层，所述卷积神经网络模型的输出为增强后的图像；所述训练集包括多组训练数据，每组训练数据包括原始图像、原始图像对应的光照图层以及原始图像对应的增强后的图像。

7.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-4任一项所述方法的步骤。

8.一种显示设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-4任一项所述方法的步骤。