[发明专利]一种暗光图像处理方法及装置、终端、存储介质

权利要求书

1.一种暗光图像处理方法，其特征在于，所述方法包括：

获取相机所处的当前环境信息和所述相机对应的待拍摄画面；

如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；其中，所述卷积神经网络模型是通过采用预设的短曝光图像和所述预设的短曝光图像对应的预设的正常图像进行训练得到的；

输出所述处理后的画面。

2.根据权利要求1所述的方法，其特征在于，所述短曝光图像为图像的质量信息不满足预设质量条件的图像，所述预设的正常图像为图像的质量信息满足预设质量条件的图像，且所述预设的正常图像的曝光时间大于所述短曝光图像的曝光时间；其中，所述图像的质量信息至少包括以下之一：图像的曝光时间、图像的像素值、图像的分辨率、感光度ISO。

3.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型的训练过程，包括：

将短曝光图像作为样本图像和所述短曝光图像对应的正常图像输入卷积神经网络，得到第一输出结果；

根据所述第一输出结果和预设的损失函数图像调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

如果所述相机所处的当前环境信息不满足预设条件，输出所述相机对应的待拍摄画面。

5.根据权利要求1所述的方法，其特征在于，所述如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面，包括：

如果所述当前环境信息表明所述当前环境的亮度大于等于预设阈值，确定所述当前环境信息满足预设条件，并生成启动请求；

响应所述启动请求，启动所述卷积神经网络模型；

将所述待拍摄画面输入所述已启动的卷积神经网络模型，得到处理后的画面。

6.根据权利要求3所述的方法，其特征在于，所述根据所述第一输出结果和预设的损失函数图像调整所述卷积神经网络，得到训练好的所述卷积神经网络模型，包括：

利用所述预设的损失函数，确定所述第一输出结果和所述正常亮度图像之间的差值；

根据所述差值调整所述卷积神经网络，得到训练好的所述卷积神经网络模型。

7.根据权利要求6所述的方法，其特征在于，所述利用所述预设的损失函数，确定所述第一输出结果和所述预设的正常亮度图像之间的差值，包括：

利用所述预设的损失函数，确定所述第一输出结果对应的像素值和所述预设的正常亮度图像的像素值之间的差值。

8.一种暗光图像处理装置，其特征在于，所述装置包括：第一获取模块、第一输入模块和第一输出模块，其中：

所述第一获取模块，用于获取已启动的相机所处的当前环境信息和所述相机对应的待拍摄画面；

所述第一输入模块，用于如果所述当前环境信息满足预设条件，将所述待拍摄画面输入到训练好的卷积神经网络模型中，得到处理后的画面；所述卷积神经网络模型是通过采用短曝光图像和预设的正常图像进行训练得到的；

所述第一输出模块，用于输出所述处理后的画面。

9.一种终端，包括存储器和处理器，所述存储器存储有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至7任一项所述暗光图像处理方法中的步骤。

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，该计算机程序被处理器执行时实现权利要求1至7任一项所述方法中的步骤。