[发明专利]一种结合人因的深度学习图像色彩引擎

权利要求书

1.一种结合人因的深度学习图像色彩引擎，包括：图像获取模块与图像处理模块；其特征在于，

通过图像获取模块获取图像集，所述图像集包括若干个图像对，每一个图像对包括一原始图像和一与原始图像相对应的目标图像；

利用图像处理模块对目标图像对进行预定方式处理，获取处理后的增强图像；

基于人因工学进行视觉感知实验，获得高质量的可用于深度学习的图像对；

构建基于空洞卷积的全卷积网络，利用通过视觉感知实现筛选出的图像对作为深度学习的训练集；

通过全卷积网络加载深度学习训练生成的模型权重，作为图像色彩引擎进行使用。

2.根据权利要求1所述的一种结合人因的深度学习图像色彩引擎，其特征在于：利用图像处理模块对目标图像对进行预定方式处理，获取处理后的增强图像；具体包括：

读取原始图像，将原始RGB图像转化为HIS图像；

通过直方图均衡化函数的处理，对转换格式后的原始图像进行亮度调整，之后将HIS图像转回RGB图像；

通过去雾函数去除图像中存在的雾，增强图像的对比度；

通过滤波函数过滤图像中存在的噪声；

通过锐化函数使图像的轮廓分明；

将原图生成目标图像，并与原始图像作为初步的图像对。

3.根据权利要求2所述的一种结合人因的深度学习图像色彩引擎，其特征在于：基于人因工学进行视觉感知实验，获得高质量的可用于深度学习的图像对；具体为：

构建视觉感知实验程序，并通过该实验程序进行图像对的标签贴定；

运行视觉感知实验程序，测试者端坐在显示屏的预定距离处，正对显示屏中央位置，观看立体图像，同时对图像进行评分操作；

根据正态分布概率筛选能够作为深度学习的图像对；

经所有测试者测试完毕后，把每一幅图像的得分进行求和计算，分别甄选出目标图像及输入图像；

将其余情况的图像对舍弃。

4.根据权利要求3所述的一种结合人因的深度学习图像色彩引擎，其特征在于：根据正态分布概率筛选能够作为深度学习的图像对，还包括：

若N人参与视觉感知实验，有M人同时选择同一幅图像，若满足时，则该幅图像优于另一幅图像，对应的该组图像作为深度学习的图像对。

5.根据权利要求4所述的一种结合人因的深度学习图像色彩引擎，其特征在于：在一组图像内，得分大于等于M的图像作为深度学习的目标图像，另一幅图像作为输入图像。

6.根据权利要求3所述的一种结合人因的深度学习图像色彩引擎，其特征在于：视觉感知实验程序，具体包括：

系统按编号顺序抽取原图像与处理后的图像编为一组进行比较；

视觉感知实验程序能够随机决定图像的左右位置；

测试者选定优质图像，然后进入下一组图像的对比；

以一个测试者为单位，选中的图像得分置1，未选中的图像得分置0；

每组实验结束后，程序会自动将每幅图像的得分存入数据库；

按照测试者编号进行多组测试，并按照测试编号一次记录测试者对图像的得分。

7.根据权利要求1所述的一种结合人因的深度学习图像色彩引擎，其特征在于深度学习的训练集生成的模型进行参数调节与优化，训练所述模型并对其进行测试；具体包括：

构造损失函数；

对各个卷积层进行参数调节，,选择Adam优化器进行训练模型；

载入训练好的模型权重，使用测试集对模型进行测试；

其中，损失函数具体为：

其中I_i为各分辨率图像，f(I_i)是经过对应算子并结合人因标注处理的结果(即标签)，N_i是图像I_i的像素数量，w，b为网络待训练的权重值，表示网络输出图像。

8.根据权利要求1所述的一种结合人因的深度学习图像色彩引擎，其特征在于：所述图像色彩引擎具有多层空洞卷积层结构，空洞卷积层的扩张率每层递增。