[发明专利]一种图像增强方法和系统

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：

获取原始图像；

对所述原始图像进行分解，得到所述原始图像的多个分解系数；

利用机器学习模型对所述多个分解系数中的至少一个进行增强处理，获得至少一个增强系数；

将包括至少一个增强系数的多个分解系数进行重构，获得所述原始图像对应的增强图像；

所述机器学习模型基于以下训练方法获得：

获取训练集，所述训练集中包括多个样本对；其中，样本对包括样本图像的多个分解系数和所述样本图像对应的增强图像的多个分解系数；

利用所述训练集对初始机器学习模型进行训练，获得所述机器学习模型。

2.如权利要求1所述的方法，其特征在于，所述样本图像对应的增强图像通过对所述样本图像进行增强处理得到，所述增强处理包括：

直方图均衡化方法、伽马变换方法、指数图像增强方法、对数图像增强方法中的一种或多种组合的处理。

3.如权利要求1所述的方法，其特征在于，所述机器学习模型为深度学习模型。

4.如权利要求1所述的方法，其特征在于，所述对所述原始图像进行分解，得到所述原始图像的多个分解系数，还包括：

采用多分辨率分析方法对所述原始图像进行分解，得到所述原始图像的多个分解系数。

5.如权利要求4所述的方法，其特征在于，所述多分辨率分析方法包括：

高斯-拉普拉斯金字塔分解方法或小波分解方法。

6.一种图像增强系统，其特征在于，所述系统包括：

获取模块，用于获取原始图像；

分解模块，用于对所述原始图像进行分解，得到所述原始图像的多个分解系数；

增强模块，用于利用机器学习模型对所述多个分解系数中的至少一个进行增强处理，获得至少一个增强系数；

重构模块，用于将包括至少一个增强系数的多个分解系数进行重构，获得所述原始图像对应的增强图像；

训练模块，用于获取训练集，所述训练集中包括多个样本对；其中，样本对包括样本图像的多个分解系数和所述样本图像对应的增强图像的多个分解系数；利用所述训练集对初始机器学习模型进行训练，获得所述机器学习模型。

7.如权利要求6所述的系统，其特征在于，所述样本图像对应的增强图像通过对所述样本图像进行增强处理得到，所述增强处理包括直方图均衡化方法、伽马变换方法、指数图像增强方法、对数图像增强方法中的一种或多种组合的处理。

8.如权利要求6所述的系统，其特征在于，所述机器学习模型为深度学习模型。

9.如权利要求6所述的系统，其特征在于，所述分解模块还用于采用多分辨率分析方法对所述原始图像进行分解，得到所述原始图像的多个分解系数。

10.如权利要求9所述的系统，其特征在于，所述多分辨率分析方法包括：高斯-拉普拉斯金字塔分解方法或小波分解方法。

11.一种图像增强装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；

所述至少一个存储器用于存储计算机指令；

所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1～5中任意一项所述的方法 。

12.一种计算机可存储介质，其特征在于，所述存储介质存储有计算机指令，当所述计算机指令中的至少部分指令被处理器执行时，实现如权利要求1～5中任意一项所述的方法。