[发明专利]一种图像复原方法、装置、电子设备及存储介质

权利要求书

1.一种图像复原方法，其特征在于，包括：

获取待复原的原始暗光图像；

获取预先训练的图像处理模型，其中，所述图像处理模型包括：光特征提取网络和图像特征提取网络，所述光特征提取网络中包括基于光照编码矩阵确定的卷积参数以及卷积层，所述图像特征提取网络中包括通道系数和多个全连接层；

将所述原始暗光图像输入所述图像处理模型，以使所述图像处理模型中的光特征提取网络提取所述原始暗光图像中的光照特征，以及图像特征提取网络提取所述原始暗光图像中的目标图像特征，基于所述光照特征以及所述目标图像特征生成目标明亮图像；

其中，将所述原始暗光图像输入所述图像处理模型，以使所述图像处理模型中的光特征提取网络提取所述原始暗光图像中的光照特征，以及图像特征提取网络提取所述原始暗光图像中的目标图像特征，基于所述光照特征以及所述目标图像特征生成目标明亮图像，包括：

将所述原始暗光图像输入所述图像处理模型，以使所述图像处理模型提取所述原始暗光图像的原始图像特征，基于所述图像处理模型中的光照编码提取网络根据所述图像特征以及卷积参数生成光照特征，以及基于所述图像特征提取网络根据所述原始图像特征和通道系数生成所述目标图像特征，融合所述光照特征以及目标图像特征，生成所述目标明亮图像。

2.根据权利要求1所述的方法，其特征在于，所述获取预先训练的图像处理模型，包括：

获取训练样本集合，其中，所述训练样本集合中包括多个暗光样本图像，以及所述暗光样本图像对应的明亮样本图像；

将所述暗光样本图像输入至初始图像处理模型，以使所述初始图像处理模型中的光特征提取网络和图像特征提取网络分别提取所述暗光样本图像的图像特征，基于所述图像特征生成明亮图像；

计算所述明亮图像与所述明亮图像对应明亮样本图像之间的损失函数值；

在所述损失函数值小于预设阈值的情况下，将所述初始图像处理模型确定为所述图像处理模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在所述损失函数值大于或等于预设阈值的情况下，更新所述初始图像处理模型中的模型参数，得到更新后的初始图像处理模型；

使用所述训练样本集合中的暗光样本图像对更新后的初始图像处理模型进行训练，直至更新后的初始图像处理模型输出的明亮图像与明亮样本图像之间的损失函数值小于预设阈值。

4.根据权利要求2所述的方法，其特征在于，所述初始图像处理模型包括：光特征提取网络和图像特征提取网络，其中，所述光特征提取网络中包括基于光照编码矩阵确定的卷积参数以及卷积层，所述图像特征提取网络中包括多个全连接层。

5.根据权利要求4所述的方法，其特征在于，在将所述暗光样本图像输入至初始图像处理模型之前，所述方法还包括：

获取多个不同曝光程度的真实明亮图像，并对所述真实明亮图像进行裁剪，得到多个图像块；

基于所述图像块进行图像编码，得到编码信息，并根据所述编码信息得到光照编码矩阵；

基于所述光照编码矩阵确定所述光特征提取网络在特征融合过程中的卷积参数，以及确定所述图像特征提取网络在特征融合过程中的通道系数。

6.根据权利要求5所述的方法，其特征在于，所述将所述暗光样本图像输入至初始图像处理模型，以使所述初始图像处理模型中的光特征提取网络和图像特征提取网络分别提取所述暗光样本图像的图像特征，基于所述图像特征生成明亮图像，包括：

将所述暗光样本图像输入至初始图像处理模型，以使所述初始图像处理模型提取所述暗光样本图像的图像特征，基于所述光特征提取网络根据图像特征以及所述卷积参数生成第一图像特征，以及基于图像特征提取网络根据所述图像特征和所述通道系数生成第二图像特征，融合所述第一图像特征以及第二图像特征，生成明亮图像。