[发明专利]一种图像复原方法、装置、电子设备及存储介质

说明书

本申请公开了一种图像复原方法、装置、电子设备及存储介质。该方法包括：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；将原始暗光图像输入图像处理模型，以使图像处理模型中的光特征提取网络提取原始暗光图像中的光照特征，以及图像特征提取网络提取原始暗光图像中的目标图像特征，基于光照特征以及目标图像特征生成目标明亮图像。本申请采光照编码提取提取网络和图像特征提取网络分别对原始暗光图像的图像特征进行处理，得到光照特征和目标图像特征，然后融合光照特征和目标图像特征进行图像复原，实现以一个模型对暗光图像进行暗光增强得到明亮图像，不再需要分别使用暗光增强模型和超分辨率两个模型进行图像复原。

技术领域

本申请涉及图像处理领域，尤其涉及一种图像复原方法、装置、电子设备及存储介质。

背景技术

超分辨率（Super Resolution，SR）是从给定的低分辨率图像中恢复高分辨率图像的过程，是计算机视觉的一个经典应用,在监控设备、卫星图像遥感等领域都有重要的应用价值。

在监控或遥感等场景中，当晚上或大雾天等光照缺乏的情况下，获取的图像质量很差，此时直接进行超分辨率所得到的图像会呈现灰暗模糊的情况，无法达到提升视觉效果的作用，需要对图像再使用暗光图像增强技术进行图像复原。

现有的技术中的超分辨率模型，大部分都是应用在充足光照图像下的超分辨率，没有针对暗光图像进行视觉增强，这些缺点限制了它们在真实暗光场景中的使用。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种图像复原方法、装置、电子设备及存储介质。

根据本申请实施例的一个方面，提供了一种图像复原方法，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；

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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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；