【技术实现步骤摘要】
图像增强方法、装置、电子设备及存储介质
本申请实施例涉及机器学习领域,特别涉及一种图像增强方法、装置、电子设备及存储介质。
技术介绍
在夜晚拍摄照片时,需要拍摄者具有许多摄影技巧以及高质量的相机。现在大多数的智能手机,由于设备本身的体积、硬件参数和操作方式存在局限性,很难拍摄出专业的夜景照片。相关技术中提供了基于风格迁移的图像增强方法,该方法包括:在图像增强程序中输入一张夜景图像,并且由用户在图像增强程序中手动选择一张风格模板图像,图像增强程序会基于深度学习的方法,计算输入的夜景图像和风格模板图像之间的风格损失以及内容损失,经过若干个迭代运算后输出夜景图像。输出的夜景图像在视觉上按照风格模板图像进行了一个整体性的风格化迁移,从而得到了增强。由于夜景图像在图像内容上有很大的变化,可能会有非常复杂的结构。例如许多建筑物在白天看起来很相似,但是在晚上,它们可以有完全不相同的窗户和壁灯。更不用提许多其它不同类型的物体和光线,比如道路、天空、汽车等等。相关技术中的图像增强方法并不能适应不同内容的夜景图像增强。
技术实现思路
本申请实施例提供了一种图像增强方法、装置、设备及存储介质,可以解决相关技术中的图像增强方法不能适应不同内容的夜景图像增强,在某些场景下增强效果较差的问题。所述技术方案如下:根据本申请的一个方面,提供了一种图像增强方法,所述方法包括:获取待处理的目标图像;对所述目标图像进行语义分割,得到所述目标图像的n个语义区域,n为大于1的整数;根据参考图像对所述目标图像的n个语义区域按照各自对应的影响因子进行风格转移,得到增强后的目标图像;其中,所述影响因子用于表 ...
【技术保护点】
1.一种图像增强方法,其特征在于,所述方法包括:获取待处理的目标图像;对所述目标图像进行语义分割,得到所述目标图像的n个语义区域,n为大于1的整数;根据参考图像对所述目标图像的n个语义区域按照各自对应的影响因子进行风格转移,得到增强后的目标图像;其中,所述影响因子用于表示对所述语义区域进行增强时的程度。
【技术特征摘要】
1.一种图像增强方法,其特征在于,所述方法包括:获取待处理的目标图像;对所述目标图像进行语义分割,得到所述目标图像的n个语义区域,n为大于1的整数;根据参考图像对所述目标图像的n个语义区域按照各自对应的影响因子进行风格转移,得到增强后的目标图像;其中,所述影响因子用于表示对所述语义区域进行增强时的程度。2.根据权利要求1所述的方法,其特征在于,所述根据参考图像对所述目标图像的n个语义区域按照各自对应的影响因子进行风格转移,得到增强后的目标图像,包括:将所述参考图像和所述目标图像输入风格迁移增强网络得到输出图像,所述风格迁移增强网络包括ι个卷积层,ι为正整数;计算所述输出图像和所述参考图像之间的自适应影响因子风格损失Ls,所述自适应影响因子风格损失用于所述输出图像中的n个语义区域按照对应的影响因子进行风格转移后的风格损失之和;计算所述输出图像和所述目标图像之间的内容损失Lc;根据总损失将所述输出图像在所述ι个卷积层中进行迭代增强,所述总损失包括所述自适应影响因子风格损失Ls和所述内容损失Lc;当所述总损失收敛时,将所述输出图像确定为所述增强后的目标图像。3.根据权利要求2所述的方法,其特征在于,所述计算所述输出图像和所述参考图像之间的自适应影响因子风格损失Ls,包括:按照如下公式计算所述输出图像和所述目标图像之间的所述自适应影响因子风格损失Ls:其中,O是所述输出图像,R是所述参考图像,r是所述语义区域的标签,Λ是各个影响因子构成的矢量,是第ι个卷积层上第r个语义区域的影响因子,是第ι个卷积层上第r个语义区域的格尔曼矩阵,Nι是第ι个卷积层上的特征图个数。4.根据权利要求2所述的方法,其特征在于,所述计算所述输出图像和所述目标图像之间的内容损失Lc,包括:按照如下公式计算所述输出图像和所述目标图像之间的所述内容损失Lc:其中,O是所述输出图像,L是所述目标图像,αι是每个卷积层的内容权重,r是所述语义区域的标签,Nι是第ι个卷积层上的特征图个数,Dι是矢量化特征图的维数,是第ι个卷积层上的第r个语义区域对应的特征图。5.根据权利要求2所述的方法,其特征在于,所述总损失还包括:拉普拉斯矩阵损失项,所述拉普拉斯矩阵损失项用于保证所述输出图像的真实化;所述方法还包括:按照如下公式计算所述输出图像的拉普拉斯损失项:其中,O是所述输出图像,Vc[.]是所述输出图像的矢量C通道,所述ML是定义在拉普拉斯抠图矩阵上的线性系统。6.根据权利要求3所述的方法,其特征在于,所述方法还包括:将所述输出图像和所述参考图像的特征输入全连接层得到ι*m的参数矩阵,所述全连接层用于自适应生成不同卷积层的各个语义区域类别的增强因子;根据所述ι*m的参数矩阵确定第ι个卷积层上的第m个语义区域的增强因子。7.根据权利要求2所述的方法,其特征在于,所述将所述参考图像和所述目标图像输入风格迁移增强网络得到输出图像,包括:...
【专利技术属性】
技术研发人员:王瑞星,沈小勇,贾佳亚,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
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。