[发明专利]图像增强方法、装置、电子设备及存储介质

说明书

本发明提供一种图像增强方法、装置、电子设备及存储介质，该方法包括：获取目标图像；将目标图像输入至图像增强模型中，得到目标图像的增强图像；图像增强模型是基于对抗损失和对比损失，对生成对抗网络进行无监督训练得到的；对比损失是基于第一样本图像集中的第一样本图像和第二样本图像，以及生成对抗网络中生成器输出的第一样本图像的样本增强图像，进行对比学习得到的；对抗损失是基于样本增强图像和第二样本图像集中的第三样本图像，进行对抗学习得到的。本发明实现既确保了增强图像的图像质量达到高质量标准，又确保了增强图像与原始图像的图像内容具有强相关性，以准确高效地进行图像增强。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像增强方法、装置、电子设备及存储介质。

背景技术

近年来硬件成像设备发展迅速，通过其获得的高质量图像能够包含更多的信息。但是，由于成像环境的复杂性，成像设备直接获得的图像往往是降质的。示例性地，过低地曝光会产生低照度图像、不良地散射会导致图像模糊，设备的误差会引起图像噪声等。因此，如何提供一种实用性强，泛化能力高的图像增强方法具有着重要的研究意义。

现有技术中，深度学习已在各种图像处理任务中取得了令人瞩目的进展。通常基于成对的图像样本对(即图像内容一致，但画质不同)，对深度学习模型进行有监督训练，以通过构建复杂的非线性网络，学习图像样本对中低质量的样本图像与高质量的样本图像之间的映射关系，进而实现图像增强。但是，由于成像环境的复杂性，很难采集到成对的有监督数据(即图像样本对)，进而导致训练数据不足。因此，无法获取可准确进行图像增强的深度学习模型，难以准确高效地实现图像增强。

发明内容

本发明提供一种图像增强方法、装置、电子设备及存储介质，用以解决现有技术中由于成像环境的复杂性，很难采集到成对的监督数据，导致训练数据不足，难以准确高效地实现图像增强的缺陷。

本发明提供一种图像增强方法，包括：

获取目标图像；

将所述目标图像输入至图像增强模型中，得到所述目标图像的增强图像；

所述图像增强模型是基于对抗损失和对比损失，对生成对抗网络进行无监督训练得到的；所述对比损失是基于第一样本图像集中的第一样本图像和第二样本图像，以及所述生成对抗网络中生成器输出的所述第一样本图像的样本增强图像，进行对比学习得到的；所述对抗损失是基于所述样本增强图像和第二样本图像集中的第三样本图像，进行对抗学习得到的；所述第一样本图像集中图像的质量低于所述第二样本图像集中图像的质量。

根据本发明提供的一种图像增强方法，所述图像增强模型是基于如下步骤训练得到的：

将所述第一样本图像、所述第二样本图像和所述样本增强图像输入至特征提取模型中，得到所述第一样本图像的特征图、所述第二样本图像的特征图，以及所述样本增强图像的特征图；

根据所述第一样本图像的特征图、所述第二样本图像的特征图，以及所述样本增强图像的特征图，进行对比学习得到所述对比损失；

将所述样本增强图像以及所述第三样本图像输入至所述生成对抗网络的判别器中，进行对抗学习得到所述对抗损失；

根据所述对抗损失以及所述对比损失，对所述生成对抗网络的参数迭代进行对抗训练；

根据训练后的生成对抗网络中的生成器，构建所述图像增强模型。根据本发明提供的一种图像增强方法，所述根据所述第一样本图像的特征图、所述第二样本图像的特征图，以及所述样本增强图像的特征图，进行对比学习得到所述对比损失，包括：

获取所述第一样本图像的特征图与所述样本增强图像的特征图之间的第一相似度距离，以及所述第二样本图像的特征图与所述样本增强图像的特征图之间的第二相似度距离；