[发明专利]一种图像增强方法、模型训练方法及设备

权利要求书

1.一种图像增强方法，其特征在于，包括：

通过第一神经网络层对输入图像进行特征提取，得到第一特征，其中，所述第一神经网络层中除最后一层外的其他层的输出为中间特征；

通过第二神经网络层的第一子层对所述第一特征以及所述中间特征进行特征提取，得到第二特征，并通过所述第二神经网络层的第二子层对所述第二特征进行像素分类，生成第一分类信息，所述第一分类信息用于表征目标输入像素信息属于各像素类别的概率，所述目标输入像素信息用于表征所述输入图像中的任意一个像素点的像素值以及所述像素点在所述输入图像中所处的位置；

基于所述第一分类信息以及空间感知三维查找表得到目标查找表，所述空间感知三维查找表用于表征输入像素信息与输出像素信息之间的映射关系，所述输入像素信息包括输入像素点的像素值、所述输入像素点在图像中所处的位置和所述输入像素点所属的像素类别，所述目标查找表用于表征所述目标输入像素信息与目标输出像素信息之间的映射关系；

根据所述输入图像以及所述目标查找表，得到与所述输入图像对应的增强图像。

2.根据权利要求1所述的方法，其特征在于，

所述空间感知三维查找表由M个子三维查找表构建得到，其中，M为所述像素类别的种类数，一个所述子三维查找表对应一个所述像素类别，M≥1。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一分类信息以及空间感知三维查找表得到目标查找表包括：

根据所述第一分类信息对所述M个子三维查找表进行加权求和，得到所述目标查找表。

4.根据权利要求1所述的方法，其特征在于，在通过第一神经网络层对输入图像进行特征提取，得到第一特征之后，所述方法还包括：

通过第三神经网络层对所述第一特征进行图像分类，生成第二分类信息，所述第二分类信息用于表征所述输入图像属于各图像类别的概率；

所述基于所述第一分类信息以及空间感知三维查找表得到目标查找表包括：

基于所述第一分类信息、所述第二分类信息以及空间感知三维查找表得到目标查找表，所述输入像素信息还包括所述输入像素信息所来自的图像所属的图像类别。

5.根据权利要求4所述的方法，其特征在于，

所述空间感知三维查找表由T×M个子三维查找表构建得到，其中，T为所述图像类别的种类数，M为所述像素类别的种类数，一个所述子三维查找表对应一个所述图像类别以及一个所述像素类别，T≥1，M≥1。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第一分类信息、所述第二分类信息以及空间感知三维查找表得到目标查找表包括：

根据所述第二分类信息对所述空间感知三维查找表进行T维度上的加权求和，得到M个第一子查找表；

根据所述第一分类信息对所述M个第一子查找表进行加权求和，得到所述目标查找表。

7.根据权利要求2-3或5-6中任一项所述的方法，其特征在于，所述根据所述输入图像以及所述目标查找表，得到与所述输入图像对应的增强图像包括：

从所述输入图像确定第一输入像素信息，所述第一输入像素信息用于表征所述输入图像中的任意一个像素点的像素值以及所述像素点在所述输入图像中所处的位置；

根据所述第一输入像素信息确定所述第一输入像素信息的邻域输入像素信息；

根据所述第一输入像素信息对应的第一目标查找表确定所述邻域输入像素信息对应的第二目标查找表；

对所述第一目标查找表与所述第二目标查找表执行插值操作，得到与所述输入图像对应的增强图像。

8.根据权利要求1-6中任一项所述的方法，其特征在于，所述通过第一神经网络层对输入图像进行特征提取，得到第一特征包括：

通过所述第一神经网络层的第一子层对所述输入图像执行下采样操作，得到目标图像；

通过所述第一神经网络层的第二子层对所述目标图像进行特征提取，得到第一特征。