The present disclosure relates to an image enhancement method, device, electronic device and computer readable medium. The method involves the field of image processing, which includes: preprocessing the original image to generate standard image; color correction of the standard image to generate corrected image; and input the corrected image into the image enhancement model to obtain enhanced image; in which the image enhancement model is a depth convolution neural network model with non-fixed layers. The image enhancement methods, devices, electronic devices and computer readable media involved in the present disclosure can enhance the effect of image enhancement, effectively solve the problem of structured processing of image data, improve the authentication efficiency in face recognition, and save a lot of manpower costs.
【技术实现步骤摘要】
图像增强方法、装置、电子设备及计算机可读介质
本公开涉及计算机信息处理领域,具体而言,涉及一种图像增强方法、装置、电子设备及计算机可读介质。
技术介绍
随着各种数字仪器和数码产品的普及,图像和视频已成为人类活动中最常用的信息载体,它们包含着物体的大量信息,成为人们获取外界原始信息的主要途径。然而由于拍摄操作或者拍摄环境因素等影响,我们获得的图像经常会出现模糊、失真等现象。并且图像在生成、传输、记录和存储的过程中,因为存在成像系统、传输介质和记录设备的不完备,不可避免的受到各类不利因素影响,使图像信息丢失、质量下降。图像增强就是通过对模糊图像进行处理而恢复清晰图像的过程。图像增强技术一直是图像处理和计算机视觉研究的热点。然而,由于图像通常存在噪声,图像增强过程中,模糊因子和清晰图像均为未知,而已知量通常只有观测到的模糊图像,因此求解该问题时未知量多余已知量。图像增强存在很多的不可靠性。因此,需要一种新的图像增强方法、装置、电子设备及计算机可读介质。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此,本公开提供一种图像增强方法、装置、电子设备及计算机可读介质,能够提升图像增强的效果,高效解决图像资料结构化处理的问题,提高面部识别时候的认证效率,同时节省了大量的人力成本。本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。根据本公开的一方面,提出一种图像增强方法,包括:对原始图像进行预处理,生成标准图像;对所述标准图像进行颜色校正,生成 ...
【技术保护点】
1.一种图像增强方法,其特征在于,包括:对原始图像进行预处理,生成标准图像;对所述标准图像进行颜色校正,生成校正图像;以及将所述校正图像输入图像增强模型中获取增强图像;其中,所述图像增强模型为包含非固定层数的深度卷积神经网络模型。
【技术特征摘要】
1.一种图像增强方法,其特征在于,包括:对原始图像进行预处理,生成标准图像;对所述标准图像进行颜色校正,生成校正图像;以及将所述校正图像输入图像增强模型中获取增强图像;其中,所述图像增强模型为包含非固定层数的深度卷积神经网络模型。2.如权利要求1所述的方法,其特征在于,还包括:通过图像数据训练深度卷积神经网络以获取所述图像增强模型。3.如权利要求2所述的方法,其特征在于,通过图像数据训练深度卷积神经网络以获取所述图像增强模型包括:确定深度卷积神经网络的层数;确定深度卷积神经网络的激活函数;确定深度卷积神经网络的损失函数;以及将图像训练数据与图像对照数据输入所述深度卷积神经网络中,通过训练获取所述图像增强模型。4.如权利要求3所述的方法,其特征在于,确定深度卷积神经网络的层数包括:通过深度卷积神经网络的输出的增强图像确定深度卷积神经网络的层数;其中,d为深度卷积神经网络的层数,s为深度卷积神经网络的增强图像中像素点在原始图像上的映射区域,n为深度卷积神经网络的滤波器尺寸。5.如权利要求3所述的方法,其特征在于,深度卷积神经网络的激活函数为修正线性单元。6.如权利要求3所述的方法,其特征在于,确定深度卷积神经网络的损失函数包括:其中,为损失函数,为训练使用的噪声图像,yi为输入的图像训练数据,xi为图像对照数据,n为训练图像数量。7.如权利要求1所述的方法,其特征在于,对原始图像进行预处理,生成标准图像包括以下情况至少一者:对原始图像进行归一化处理,生成标准图像;对原始图像进行标准化处理,生成标准图像;以及调整原始图像的分辨率,生成标准图像。8.如权利要求1所述的方法,其特征在于,对所述标准...
【专利技术属性】
技术研发人员:朱兴杰,刘岩,
申请(专利权)人:泰康保险集团股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。