[发明专利]基于DQN的图像增强处理方法及装置

说明书

本申请涉及基于DQN的图像增强处理方法及装置，其方法包括，步骤1、获取待处理的图像，初始化评价总分；步骤2、基于预先构建的操作选择网络对待处理图像的每一像素点进行数值操作，得到待评价图像，其中操作选择网络基于DQN算法构建及更新；步骤3、采用预设评价方式对待评价图像进行评分，根据得到的奖励分数对评价总分进行累加更新；步骤4、将评价总分与预定阈值进行比较，当其小于等于第一阈值时，将其清零，跳转执行步骤2，当其大于第一阈值且小于第二阈值时，以待评价图像作为新的待处理图像，跳转执行步骤2，当其大于等于第二阈值时，以待评价图像作为图像增强处理后的图像。本申请消除了图像增强处理对成对数据集的依赖，大幅降低了数据搜集难度。

技术领域

本申请属于图像处理技术领域，具体涉及基于DQN的图像增强方法及装置。

背景技术

图像增强是指，增强图像中的有用信息，图像去雾、图像去雨、图像去噪、图像去云、夜间图像增强、图像超分辨等都属于图像增强处理范畴，不同的是增强对象和训练数据集的不同。相关技术中，为保证相应处理有效的前提下，图像增强处理技术所面对的主要问题是收集标注数据的成本巨大。

例如图像去雾，传统去雾方法，一般基于大气散射模型，使用一系列先验来估算透射图或大气光，可先验信息一般具有局限性，如暗原色先验(dark channel prior)无法解决带大面积天空场景图片的去雾。

而基于深度学习的去雾方法，则大多依靠高质量成对标注数据。但收集标注数据的成本巨大，且在去雾领域，很难搜集到大规模室外的成对同一场景下的有雾/无雾图像。因此，基于深度学习的图像去雾方法，大都基于利用大气散射模型及室内深度数据集人工合成的室内图像进行训练。鉴于这些室内合成带雾图像无法完全表征真实世界雾的分布和特性，并且实际运用在真实室外图像时，去雾效果一般。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种基于DQN的图像增强处理方法及装置，有助于降低数据搜集难度，且较好的实现相应的应用效果。

为实现以上目的，本申请采用如下技术方案：

第一方面，

本申请提供一种基于DQN的图像增强处理方法，该方法包括：

步骤1、获取待处理的图像，并初始化该图像所对应的评价总分；

步骤2、基于预先构建的操作选择网络对待处理图像的每一像素点进行数值操作，得到该回合的待评价图像，其中，所述操作选择网络基于DQN算法构建及更新；

步骤3、针对所述待评价图像，采用预设评价方式对其进行评分，以得到的该回合的奖励分数，根据该奖励分数对所述评价总分进行累加更新；

步骤4、将所述评价总分与预定阈值进行比较，

当所述评价总分小于等于第一阈值时，将所述评价总分清零，跳转执行步骤2进行新一回合处理，

当所述评价总分大于第一阈值且小于第二阈值时，以所述待评价图像作为新的待处理图像，跳转执行步骤2进行新一回合处理，

当所述评价总分大于等于第二阈值时，以所述待评价图像作为图像增强处理后的图像。

可选地，所述操作选择网络由具有同样网络结构的现实网络和估计网络构成；

所述数值操作具体为，对像素点RGB各通道的数值进行+1、-1或+0操作。

可选地，基于预先构建的操作选择网络对待处理图像的每一像素点进行数值操作，具体为：

每一回合中，生成一随机数，