[发明专利]图像增强方法、装置及存储介质

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：

获取目标图像；

获取预先训练的图像增强模型；所述图像增强模型基于自编码器和可扩展网络构成，且所述图像增强模型基于重构损失函数、结构化损失函数和纹理损失函数训练得到；所述重构损失函数用于训练所述图像增强模型对所述目标图像的色彩增强能力，所述结构化损失函数用于训练所述图像增强模型还原所述目标图像的结构信息的能力，所述纹理损失函数用于训练所述图像增强模型还原所述目标图像的图像细节的能力；

将所述目标图像输入预先训练的图像增强模型，得到增强后的目标图像。

2.根据权利要求1所述的方法，其特征在于，所述获取预先训练的图像增强模型之前，还包括：

获取样本集，所述样本集包括至少一组样本数据，每组样本数据包括低质量图像和高质量图像；

获取待训练模型，所述待训练模型的网络结构与所述图像增强模型的网络结构相同，所述待训练模型的网络结构是在自编码器的基础上引入可扩展网络得到的；

将每组样本数据中的低质量图像输入所述待训练模型，得到训练结果；

将所述训练结果和对应样本数据中的高质量图像分别输入所述重构损失函数、所述结构化损失函数和所述纹理损失函数，并使用各个损失函数的值对所述待训练模型进行迭代训练，直至训练次数达到预设次数或者各个损失函数的值稳定在预设范围内时停止训练，得到所述图像增强模型。

3.根据权利要求2所述的方法，其特征在于，

所述低质量图像为快门速度小于第一快门阈值时，在不同光照条件和/或不同增益值的条件下对训练场景进行采集得到的图像信息；

所述高质量图像为快门速度大于或等于第二快门阈值时，在不同光照条件和/或不同增益值的条件下对训练场景进行采集得到的图像信息。

4.根据权利要求1所述的方法，其特征在于，所述自编码器包括：编码器和解码器，所述编码器和所述解码器之间具有跨层连接；所述可扩展网络设置于所述编码器和所述解码器之间。

5.根据权利要求4所述的方法，其特征在于，

所述编码器包括多个第一子层，每个第一子层包括卷积层和非线性单元；

所述解码器包括多个第二子层和多个升采样层，每个第二子层包括卷积层和非线性单元；

所述编码器中的至少一个第一子层跨层连接至所述解码器中的第二子层，且不同第一子层跨层连接的第二子层不同。

6.根据权利要求1至5任一所述的方法，其特征在于，所述可扩展网络为残差块，所述残差块包括卷积层和非线性单元，所述残差块内部具有跨层连接。

7.根据权利要求1至5任一所述的方法，其特征在于，所述自编码器为U-Net网络或者SegNet网络。

8.一种图像增强装置，其特征在于，所述装置包括：

图像获取模块，用于获取目标图像；

模型获取模块，用于获取预先训练的图像增强模型；所述图像增强模型基于自编码器和可扩展网络构成，且所述图像增强模型基于重构损失函数、结构化损失函数和纹理损失函数训练得到；所述重构损失函数用于训练所述图像增强模型对所述目标图像的色彩增强能力，所述结构化损失函数用于训练所述图像增强模型还原所述目标图像的结构信息的能力，所述纹理损失函数用于训练所述图像增强模型还原所述目标图像的图像细节的能力；

图像增强模块，用于将所述目标图像输入预先训练的图像增强模型，得到增强后的目标图像。

9.一种图像增强装置，其特征在于，所述装置包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的图像增强方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序，所述程序被处理器执行时用于实现如权利要求1至7任一项所述的图像增强方法。