[发明专利]模糊图像的增强方法、计算机设备和存储介质

说明书

本申请涉及一种模糊图像的增强方法、装置、计算机设备和存储介质。所述方法包括：获取待增强模糊图像，所述待增强模糊图像包括车辆年检场景下拍摄的模糊图像；将所述待增强模糊图像输入至预设图像增强网络中，得到目标增强图像；其中，所述预设图像增强网络用于对所述待增强模糊图像和所述待增强模糊图像对应的低分辨率光照预测图像进行双边网格采样处理，并根据采样后的待增强模糊图像和采样后的低分辨率光照预测图像得到所述目标增强图像。采用本方法能够降低模糊图像的增强处理难度以及降低时间成本。

技术领域

本申请涉及图像增强技术领域，特别是涉及一种模糊图像的增强方法、计算机设备和存储介质。

背景技术

对车辆进行年检时，需要对各类文本图像或者自然场景图像进行分类、检测或者识别，但由于车辆年检所处场景的光线不好和/或类似于智能终端的数码产品的摄影参数设置不当等其它原因，导致拍摄的图像中存在低曝光或者暗光条件下拍摄的模糊图像，因此对此类模糊图像进行增强处理是现在亟需解决的问题之一。

传统技术中，使用对比度增强法可以对线性区域和曝光程度规律的模糊图像进行增强处理，对于模糊图像中的非线性区域和不规律曝光程度的区域使用修图软件进行调整，从而得到增强处理后图像。

然而，上述增强处理方法存在增强处理难度较大，而且耗费时间的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够降低模糊图像的增强处理难度以及降低时间成本的模糊图像的增强方法、计算机设备和存储介质。

一种模糊图像的增强方法，所述方法包括：

获取待增强模糊图像，所述待增强模糊图像包括车辆年检场景下拍摄的模糊图像；

将所述待增强模糊图像输入至预设图像增强网络中，得到目标增强图像；其中，所述预设图像增强网络用于对所述待增强模糊图像和所述待增强模糊图像对应的低分辨率光照预测图像进行双边网格采样处理，并根据采样后的待增强模糊图像和采样后的低分辨率光照预测图像得到所述目标增强图像。

在其中一个实施例中，还包括：

将所述待增强模糊图像输入至所述预测处理子网络中，得到低分辨率光照预测图像；

将所述待增强模糊图像和所述低分辨率光照预测图像输入至所述网格采样子网络中进行采样融合处理，得到全分辨率光照图像；

将所述待增强模糊图像和所述全分辨率光照图像输入至所述增强处理子网络中进行像素增强处理，得到所述目标增强图像。

在其中一个实施例中，还包括：

将所述待增强模糊图像输入至所述特征提取子网络中进行特征提取，得到所述待增强模糊图像的全局特征和局部特征；

将所述全局特征和局部特征输入至所述特征融合子网络中进行特征融合，得到所述低分辨率光照预测图像。

在其中一个实施例中，还包括：

获取训练样本集；所述训练样本集包括训练样本图像和标准样本图像，所述标准样本图像为对所述训练样本图像进行增强处理后的图像；

根据所述训练样本集对预设的初始神经网络进行训练，得到所述预设图像增强网络。

在其中一个实施例中，还包括：

根据所述训练样本集对预设的初始神经网络进行迭代训练，获取预设的迭代次数训练后得到的中间神经网络的损失函数的值；

判断所述损失函数的值是否达到预设的标准值；

若所述损失函数的值达到预设的标准值，则将所述损失函数的值对应的中间神经网络作为所述预设图像增强网络；