【技术实现步骤摘要】
图像的处理方法、装置、设备及计算机可存储介质
本专利技术实施例涉及图像处理
,尤其涉及一种图像的处理方法、装置、设备及计算机可存储介质。
技术介绍
图像是人类获取和交换信息的主要来源,因此,图像的清晰度与有效信息所占比例变得极为重要。举例来说,用户可以非常容易地从一张清晰的图像中获取自己想要的信息,但是,若当前的图像为低光照图像,则用户无法从该图片中迅速获取到有效信息。针对上述低光照图像,为了实现对低光照图像的信息获取,现有技术中提出一种基于视网膜大脑皮层理论的低光照增强方法,具体地,由于带色彩恢复的多尺度视网膜增强算法等,一般都认为人眼感知物体的亮度取决于环境的照明和物体表面对照射光的反射,因此可以通过将图片拆解成本质和光照,并对光照进行提亮来实现对低光照图像的增强。但是采用上述方法进行低光照增强时,参数一般都是通过人为进行设置,因此,并不能适应全部的低光照情况,此外,图像还可能会出现黑边等伪像,因此,提亮后的图像质量也较差。
技术实现思路
本专利技术实施例提供一种图像的处理方法、 ...
【技术保护点】
1.一种图像的处理方法,其特征在于,包括:/n获取图像请求,所述图像请求包括:待处理的低光照图像;/n根据所述图像处理请求,采用预配置的低光照增强网络,对所述待处理的低光照图像进行提亮处理,获取所述待处理的低光照图像对应的正常光照图像。/n
【技术特征摘要】
1.一种图像的处理方法,其特征在于,包括:
获取图像请求,所述图像请求包括:待处理的低光照图像;
根据所述图像处理请求,采用预配置的低光照增强网络,对所述待处理的低光照图像进行提亮处理,获取所述待处理的低光照图像对应的正常光照图像。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取训练数据集,所述训练数据集包括多个正常光照的样本图像和其对应的低光照的样本图像;
搭建具有全局光照视野的卷积网络;
根据所述训练数据集,对所述卷积网络进行训练,以获取所述低光照增强网络。
3.根据权利要求2所述的方法,其特征在于,所述获取训练数据集,包括:
采集正常光照的样本图像;
分别对采集到的所述正常光照的样本图像进行低光处理,获取其对应的低光照的样本图像;并分别将每个所述正常光照的样本图像和其对应的低光照的样本图像组合成一个图片对,以获取所述训练数据集。
4.根据权利要求2所述的方法,其特征在于,所述搭建具有全局光照视野的卷积网络,包括:
对输入的低光照图像进行全局光照分布估计处理,获取上采样输出结果和下采样输出结果;
对所述上采样输出结果和所述下采样输出结果进行合并处理,获取合并结果;
将所述合并结果依次进行三次卷积和修正线性处理,以获取输出的正常光照图像和其对应的提亮结果。
5.根据权利要求4所述的方法,其特征在于,所述根据所述训练数据集,对所述卷积网络进行训练,以获取所述低光照增强网络,包括:
根据所述训练数据集、所述输出的正常光照图像以及其对应的提亮结果,对所述卷积网络进行训练...
【专利技术属性】
技术研发人员:刘家瑛,汪文靖,魏晨,杨文瀚,郭宗明,
申请(专利权)人:北京大学,北大方正集团有限公司,北京北大方正电子有限公司,
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。