[发明专利]一种图像处理方法、装置、设备及介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取训练样本集；其中，所述训练样本集包括暗光图像样本和所述暗光图像样本对应的标签，所述标签为与所述暗光图像样本在同一场景下的亮光图像；

利用所述训练样本集对初始神经网络模型进行训练，得到训练后神经网络模型；

当获取到待处理暗光图像，则利用所述训练后神经网络模型输出所述待处理暗光图像对应的特征图；

将所述特征图归一化至人眼可辨的灰度范围，得到处理后图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述将所述特征图归一化至人眼可辨的灰度范围，得到处理后图像，包括：

查找所述特征图的最大像素值和最小像素值；

利用公式val/(MaxVal-MinVal)×255，将所述特征图归一化至人眼可辨的灰度范围，得到处理后图像；

其中，val表示所述特征图的像素值，MaxVal表示所述最大像素值，MinVal表示所述最小像素值。

3.根据权利要求1所述的图像处理方法，其特征在于，所述将所述特征图归一化至人眼可辨的灰度范围，得到处理后图像之后，还包括：

对所述处理后图像进行图像增强处理，得到增强后图像。

4.根据权利要求3所述的图像处理方法，其特征在于，所述对所述处理后图像进行图像增强处理，包括：

判断所述处理后图像中每个像素值是否大于预设像素阈值，若是，则将像素值赋值为第一像素值，否则，将像素值赋值为第二像素值；其中，所述第一像素值大于所述第二像素值；

和/或，利用预设滤波器对所述处理后图像进行去噪处理。

5.根据权利要求1所述的图像处理方法，其特征在于，所述获取训练样本集，包括：

获取多个不同场景下采集的多个图像集；

针对每个场景下的所述图像集，计算所述图像集中每张图像的图像亮暗评价参数，将所述图像亮暗评价参数与第一预设参数阈值和第二预设参数阈值进行比较，并从所述图像亮暗评价参数小于所述第一预设参数阈值的图像中筛选出暗光图像，以及从所述图像亮暗评价参数大于所述第二预设参数阈值的图像中筛选出亮光图像；

确定出同一场景下的图像对，并将所述图像对中的暗光图像确定为暗光图像样本，亮光图像确定为该暗光图像对应的标签，得到训练样本集。

6.根据权利要求1所述的图像处理方法，其特征在于，所述利用所述训练样本集对初始神经网络模型进行训练，得到训练后神经网络模型，包括：

利用所述训练样本集对初始残差网络模型进行训练，得到训练后神经网络模型。

7.根据权利要求1至6任一项所述的图像处理方法，其特征在于，所述利用所述训练样本集对初始神经网络模型进行训练，得到训练后神经网络模型，包括：

获取测试集；其中，所述测试集包括暗光测试图像和所述暗光测试图像对应的测试标签，所述测试标签为与所述暗光测试图像在同一场景下的亮光图像；并且，所述测试集与所述训练样本集中不存在场景重合的图像；

利用所述训练样本集以及所述测试集对初始神经网络模型进行训练，并在训练过程中计算训练样本集对应的第一损失，以及测试集对应的第二损失，当所述第二损失满足收敛条件，且小于所述第一损失，则将当前模型确定为训练后神经网络模型。

8.一种图像处理装置，其特征在于，包括：

训练样本获取模块，用于获取训练样本集；其中，所述训练样本集包括暗光图像样本和所述暗光图像样本对应的标签，所述标签为与所述暗光图像样本在同一场景下的亮光图像；

模型训练模块，用于利用所述训练样本集对初始神经网络模型进行训练，得到训练后神经网络模型；

图像获取模块，用于获取待处理暗光图像；

特征图输出模块，用于利用所述训练后神经网络模型输出所述待处理暗光图像对应的特征图；

图像处理模块，用于将所述特征图归一化至人眼可辨的灰度范围，得到处理后图像。