[发明专利]一种基于通道注意力机制的图像质量增强方法

说明书

本发明公共了一种基于通道注意力机制的图像质量增强方法首先将高质量原图处理成对应的低质量图像，得到低质量‑高质量图像对照组；然后搭建图像增强网络模型，通过得到的低质量图像训练图像增强网络模型；最后将低质量的图像输入训练好的图像增强网络模型得到高质量图像。本发明方法通过采用具有残差网络模块和通道注意力模块的神经网络模型作为图像增强模型，进行图像增强，通过残差网络和通道注意力网络模型配合，能利用低质量图像输出具有更丰富的细节的高质量图像。

技术领域

本发明涉及数字图像处理、计算机视觉领域，具体涉及一种基于通道注意力机制的图像质量增强方法。

背景技术

图像相比文字能够提供更加生动、容易理解及更具艺术感的信息，是人们转递与交换信息的重要来源。图像增强技术就是利用低质量，细节缺失的图像来产生高质量，细节丰富的图像。

目前，图像增强技术可以分为三类：基于空域、基于频域和基于学习的方法。基于空域的方法直接作用于图像像素，对图像进行处理。基于频域的方法是在图像的某种变换域内对图像的变换系数进行修正，然后再反变换到原来的空域，得到增强的图像。随着深度学习的快速发展，基于学习的图像增强算法更是近年来研究的热点。它采用大量高质量图像产生学习模型，在对低质量图像进行恢复的过程中引入学习模型学习到的先验知识，训练神经网络来寻找低质量图像与其对应的高质量图像之间的对应关系，从而得到更丰富的细节，获得令人满意的图像增强效果。基于深度学习的方法有LL-NET、MBLLEN、LightenNet等，这些模型都有一定的图像增强能力，但由于网络层数的限制，模型能提取到的细节信息数量很有限，生成的图像不够锐利，细节不够丰富。

发明内容

基于现有技术所存在的问题，本发明的目的是提供一种基于通道注意力机制的图像质量增强方法，能解决现有图像增强方法中，所存在的不够锐利，细节不够丰富等问题。

本方法为解决公知技术中存在的技术问题所采取的技术方案是：

一种基于通道注意力机制的图像质量增强方法，步骤如下：

步骤一，将高质量原图处理成对应的低质量图像，得到低质量-高质量图像对照组。

步骤二，搭建图像增强网络模型。

步骤三，通过步骤一得到的低质量图像训练图像增强网络模型。

步骤四，将低质量的图像输入训练好的图像增强网络模型得到高质量图像。

由上述本发明提供的技术方案可以看出，本发明实施例提供的图像增强方法，其有益效果为：

通过采用具有残差网络模块和通道注意力模块的神经网络模型作为图像增强模型，进行图像增强，通过残差网络和通道注意力网络模型配合，能利用低质量图像输出具有更丰富的细节的高质量图像。

附图说明

图1为本发明实施例流程图；

图2为本发明实施例图像增强网络模型的结构原理图；

图3为本发明实施例原始低质量图像示意图；

图4为使用本发明实施例提供的图像增强方法对原始图像进行增强后输出的图像。

具体实施方式

下面结合本发明的具体内容，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

如图1所示，本发明实施例提供一种图像增强方法，采用具有残差网络模块和通道注意力模块的神经网络模型对低质量图像进行增强，包括：