[发明专利]图像增强方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种图像增强方法，其特征在于，包括：

通过卷积神经网络分解图像；

对分解后的图像进行增强处理。

2.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络分解图像，包括：

向卷积神经网络输入图像对；所述图像对包括低光图像与正常光图像；

通过卷积层从输入图像中提取浅层特征；

通过整流线性单元将RGB图像映射到反射率和照明度；

使用卷积层从特征空间投影出反射率和照明度；

利用反射率损失函数进行端到端微调，得到分解后的图像。

3.根据权利要求2所述的方法，其特征在于，所述对分解后的图像进行增强处理，包括：

将反射率和照明度连接后作为输入；

对所述输入进行卷积和池化；

结合U-Net，利用最近邻插值法增大图像，保证与相结合特征图大小一致，将其对应加和；

进行特征融合，得到细节保存更完整的特征图；

使用随机梯度下降对网络进行端到端微调，得到增强后的图像。

4.根据权利要求3所述的方法，其特征在于，在所述方法中，由重建损失、不变反射率损失和平滑度损失加权求和得到损失函数。

5.根据权利要求4所述的方法，其特征在于，在所述方法中，损失函数L由重建损失L_recon、不变反射率损失L_ir和平滑度损失L_is三项组成：

L＝L_recon+λ_irL_ir+λ_isL_is，

其中λ_ir，λ_is分别表示反射率一致性和照明平滑度的系数。

6.一种图像增强装置，其特征在于，包括：

分解模块，用于通过卷积神经网络分解图像；

增强模块，用于对分解后的图像进行增强处理。

7.根据权利要求6所述的装置，其特征在于，所述分解模块，包括：

输入模块，用于向卷积神经网络输入图像对；所述图像对包括低光图像与正常光图像；

提取模块，用于通过卷积层从输入图像中提取浅层特征；

映射模块，用于通过整流线性单元将RGB图像映射到反射率和照明度；

投影模块，用于使用卷积层从特征空间投影出反射率和照明度；

第一微调模块，用于利用反射率损失函数进行端到端微调，得到分解后的图像。

8.根据权利要求6所述的装置，其特征在于，所述增强模块，包括：

连接模块，用于将反射率和照明度连接后作为输入；

卷积池化模块，用于对所述输入进行卷积和池化；

加和模块，用于结合U-Net，利用最近邻插值法增大图像，保证与相结合特征图大小一致，将其对应加和；

融合模块，用于进行特征融合，得到细节保存更完整的特征图；

第二微调模块，用于使用随机梯度下降对网络进行端到端微调，得到增强后的图像。

9.一种电子设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5中任一所述的图像增强方法。

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，该程序被处理器执行，以实现如权利要求1-5中任一所述的图像增强方法。