[发明专利]图像增强方法、装置及存储介质

说明书

本申请涉及一种图像增强方法、装置及存储介质，属于计算机技术领域，该方法包括：获取目标图像；获取预先训练的图像增强模型；图像增强模型基于自编码器和可扩展网络构成，且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；重构损失函数用于训练图像增强模型对目标图像的色彩增强能力，结构化损失函数用于训练图像增强模型还原目标图像的结构信息的能力，纹理损失函数用于训练图像增强模型还原目标图像的图像细节的能力；将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；可以解决现有的图像增强方法无法还原图像的色彩和图像细节的问题；提高图像增强效果。

技术领域

本申请涉及一种图像增强方法、装置及存储介质，属于计算机技术领域。

背景技术

图像增强是指有目的地强调图像的整体或局部特性，将原本不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量的技术。比如：在黑暗的场景中，环境光不足以使相机准确地捕捉物体的细节与颜色信息，此时，可以通过图像增强技术使得相机拍摄到的夜间图像变得清晰。

以对黑暗场景中拍摄到的图像进行图像增强为例，常见的图像增强方法包括：直方图均衡化，该方法通过平衡整幅图片的颜色分布直方图进行亮度提升；或者，为伽马矫正(gamma correction)，该方法用于提升暗部区域的亮度并降低明亮区域的亮度。

然而，现有的图像增强方法只是将亮度较低的图像进行亮度增强，无法还原图像的色彩和图像细节，比如：图像纹理等。

发明内容

本申请提供了一种图像增强方法、装置及存储介质，可以解决现有的图像增强方法无法还原图像的色彩和图像细节的问题。本申请提供如下技术方案：

第一方面，提供了一种图像增强方法，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。

可选地，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。

可选地，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。

可选地，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。