[发明专利]一种图像均衡增强的方法、系统、装置及存储介质

权利要求书

1.一种图像均衡增强的方法，其特征在于，包括：

图像超分辨率模型的训练方法，包括：

收集训练样本，所述训练样本含低分辨率图像样本和高分辨率图像样本；

基于共享模块对所述低分辨率图像样本提取图像特征，生成图像浅层特征；

结合左右不对称的超分网络，全局引导机制对所述图像浅层特征进一步提取全局特征信息和细节特征信息；

基于掩模网络对所述图像浅层特征，生成注意掩模；

利用所述注意掩模，自适应重构所述全局特征信息和细节特征信息，重建高分辨率图像；

基于预设损失函数对重建后的高分辨率图像与高分辨率图像样本反向收敛，建立图像超分辨率模型；

通过所述图像超分辨率模型对低分辨率图像进行处理，输出高分辨率图像。

2.根据权利要求1所述的图像均衡增强的方法，其特征在于，所述收集训练样本，所述训练样本含低分辨率图像样本和高分辨率图像样本，包括：

收集高分辨率图像样本，采用图像退化算法对所述高分辨率图像样本进行下采样，生成低分辨率图像样本；

利用所述高分辨率图像样本和生成的低分辨率图像样本建立成对的训练样本。

3.根据权利要求1所述的图像均衡增强的方法，其特征在于，所述共享模块、所述左右不对称的超分网络和所述掩模网络，都是以残差密连接块作为基础块来提取低分辨率图像多层次的特征信息。

4.根据权利要求3所述的图像均衡增强的方法，其特征在于，所述共享模块设有2个残差密集连接块；

所述基于共享模块对所述低分辨率图像样本提取图像特征，生成图像浅层特征，包括：

输入所述共享模块前，所述低分辨率图像样本先经过一层卷积层得到浅层特征图；

所述浅层特征图再输入所述共享模块，提取图像特征，生成图像浅层特征；

得到的图像浅层特征由左右不对称的超分网络和掩模网络共享。

5.根据权利要求4所述的图像均衡增强的方法，其特征在于，所述左右不对称的超分网络由低频分支和高频分支组成，低频分支用于提取全局特征信息，高频分支用于提取细节特征信息；

所述结合左右不对称的超分网络，全局引导机制对所述图像浅层特征进一步提取全局特征信息和细节特征信息，包括：

所述左右不对称的超分网络通过低频分支和高频分支，对所述图像浅层特征提取全局特征信息和细节特征信息；

全局引导机制将所述低频分支提取的全局特征信息和高频分支的低层模块所获得的细节特征信息串联；

串联后的特征信息继续输入所述高频分支的高层模块，从而使得全局特征信息注入高频分支，协助指导高频分支进一步获取细节特征信息；

低频分支和高频分支提取全局特征信息和细节特征信息后，通过各自的上采样层和重建层，重建出全局特征图像和细节特征图像。

6.根据权利要求5所述的图像均衡增强的方法，其特征在于，所述低频分支是由深层特征提取模块、上采样模块和重建模块组成，其深层特征提取模块由15个残差密连接块组成，其上采样模块是由1层卷积层和1层最近邻上采样层组成，其重建模块由1层卷积层组成；

所述高频分支由一个生成对抗网络、一个生成器和一个判别器构成，其生成器结构由深层特征提取模块、上采样模块和重建模块组成，其判别器是一个分类网络。

7.根据权利要求6所述的图像均衡增强的方法，其特征在于，所述掩模网络由深层特征提取模块、上采样模块和重建模块组成，其深层特征提取模块由5个残差密连接块组成，其上采样模块由1层卷积层和1层最近邻上采样层组成，其重建模块由1层卷积层组成；

所述基于掩模网络对所述图像浅层特征，生成注意掩模，包括：

所述掩模网络通过5个残差密集块对所述图像浅层特征进一步提取深层特征；

进一步提取的深层特征通过上采样层和重建层生成深层特征图；

深层特征图再利用sigmoid函数生成一个注意掩模。