[发明专利]三维图像的增强方法、图像增强模型的训练方法及装置

权利要求书

1.一种三维图像的增强方法，其特征在于，包括：

获取三维图像；

对所述三维图像进行分割处理，得到若干图像块；其中，各个图像块与至少一个其他图像块存在重叠区域；

将所述各个图像块输入图像增强模型，获得增强图像块；其中，所述图像增强模型由多组三维图像样本对神经网络训练得到，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；

对所述增强图像块进行拼接处理，获得增强三维图像。

2.根据权利要求1所述的三维图像的增强方法，其特征在于，对所述三维图像进行分割处理，包括：

采用滑动窗口对所述三维图像进行分割处理，所述滑动窗口的移动步长小于所述滑动窗口沿移动方向上的边长。

3.根据权利要求1或2所述的三维图像的增强方法，其特征在于，对所述三维图像进行分割处理，包括：

对分割结果进行外围扩展处理，得到所述若干图像块。

4.根据权利要求1所述的三维图像的增强方法，其特征在于，对所述增强图像块进行拼接处理，获得增强三维图像，包括：

去除各个增强图像块的边缘；

根据各个增强图像块之间的相对位置关系，对去除边缘之后的各个增强图像块进行拼接处理，获得所述增强三维图像。

5.一种图像增强模型的训练方法，其特征在于，包括：

获取多组三维图像样本，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；

将所述三维样本图像的三维增强图像转换为目标方向上的二维增强图像；

将所述三维样本图像输入神经网络，并将所述神经网络的输出结果转换为所述目标方向上的二维输出图像；

根据所述二维增强图像和所述二维输出图像，计算损失误差；

根据所述损失误差调节所述神经网络的网络参数，直至达到迭代停止条件。

6.根据权利要求5所述的图像增强模型的训练方法，其特征在于，所述训练方法采用的损失函数包括感知损失函数，所述感知损失函数的自变量包括所述二维增强图像和所述二维输出图像。

7.一种三维图像的增强装置，其特征在于，包括：

获取模块，用于获取三维图像；

分割模块，用于对所述三维图像进行分割处理，得到若干图像块；其中，各个图像块与至少一个其他图像块存在重叠区域；

输入模块，用于将所述各个图像块输入图像增强模型，获得增强图像块；其中，所述图像增强模型由多组三维图像样本对神经网络训练得到，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；

拼接模块，用于对所述增强图像块进行拼接处理，获得增强三维图像。

8.一种图像增强模型的训练装置，其特征在于，包括：

获取模块，用于获取多组三维图像样本，每组三维图像样本包括三维样本图像和所述三维样本图像的三维增强图像；

转换模块，用于将所述三维样本图像的三维增强图像转换为目标方向上的二维增强图像；

输入模块，用于将所述三维样本图像输入神经网络，并将所述神经网络的输出结果转换为所述目标方向上的二维输出图像；

计算模块，用于根据所述二维增强图像和所述二维输出图像，计算损失误差；

调节模块，用于根据所述损失误差调节所述神经网络的网络参数，直至达到迭代停止条件。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法。