图像增强方法、装置及终端设备制造方法及图纸

本申请公开了一种图像增强方法、装置、终端设备及计算机可读存储介质，其中，该图像增强方法包括：获取待处理图像；对所述待处理图像进行小波变换操作，获取所述待处理图像的原始特征信息，其中，所述原始特征信息包括全局轮廓特征信息、横向细节特征信息、纵向细节特征信息和对角细节特征信息；将所述原始特征信息输入已训练的目标网络进行处理，得到对应的重构特征信息；其中，所述重构特征信息包括全局轮廓重构信息、横向细节重构信息、纵向细节重构信息和对角细节重构信息；对所述重构特征信息进行逆小波变换操作，得到重构图像；所述重构图像的分辨率高于所述待处理图像的分辨率。本申请实施例能够根据待处理图像准确地得到清晰重构的图像。

Image enhancement method, device and terminal equipment

【技术实现步骤摘要】
图像增强方法、装置及终端设备
本申请属于图像处理
，尤其涉及一种图像增强方法、装置及终端设备。
技术介绍
随着图像处理技术的发展，图像的分析和识别被广泛应用于医学影像、视频监控、遥感成像、人脸识别等领域。在具体应用时，由于摄像环境或者摄像设备的局限，通常采集到的图像为低分辨率图像，需将低分辨率图像转换为高分辨率图像才能对图像进行进一步分析、识别。然而，现有技术中，将低分辨率图像转换得到的高分辨率图像比较模糊，从而影响后续图像分析、识别的准确性。
技术实现思路
有鉴于此，本申请实施例提供了一种图像增强方法、装置及终端设备，以解决现有技术中将低分辨率图像转换得到的高分辨率图像比较模糊的问题。本申请第一方面提供一种图像增强方法，包括：获取待处理图像；对所述待处理图像进行小波变换操作，获取所述待处理图像的原始特征信息，其中，所述原始特征信息包括全局轮廓特征信息、横向细节特征信息、纵向细节特征信息和对角细节特征信息；将所述原始特征信息输入已训练的目标网络进行处理，得到对应的重构特征信息；其本文档来自技高网...

【技术保护点】
1.一种图像增强方法，其特征在于，包括：/n获取待处理图像；/n对所述待处理图像进行小波变换操作，获取所述待处理图像的原始特征信息，其中，所述原始特征信息包括全局轮廓特征信息、横向细节特征信息、纵向细节特征信息和对角细节特征信息；/n将所述原始特征信息输入已训练的目标网络进行处理，得到对应的重构特征信息；其中，所述重构特征信息包括全局轮廓重构信息、横向细节重构信息、纵向细节重构信息和对角细节重构信息；所述目标网络是基于四个生成对抗网络，对第一样本图像及对应的第二样本图像训练得到的生成器组；所述第一样本图像的分辨率高于所述第二样本图像的分辨率；/n对所述重构特征信息进行逆小波变换操作，得到重构图...

【技术特征摘要】
1.一种图像增强方法，其特征在于，包括：
获取待处理图像；
对所述待处理图像进行小波变换操作，获取所述待处理图像的原始特征信息，其中，所述原始特征信息包括全局轮廓特征信息、横向细节特征信息、纵向细节特征信息和对角细节特征信息；
将所述原始特征信息输入已训练的目标网络进行处理，得到对应的重构特征信息；其中，所述重构特征信息包括全局轮廓重构信息、横向细节重构信息、纵向细节重构信息和对角细节重构信息；所述目标网络是基于四个生成对抗网络，对第一样本图像及对应的第二样本图像训练得到的生成器组；所述第一样本图像的分辨率高于所述第二样本图像的分辨率；
对所述重构特征信息进行逆小波变换操作，得到重构图像；所述重构图像的分辨率高于所述待处理图像的分辨率。


2.如权利要求1所述的图像增强方法，其特征在于，所述待处理图像具体为三维图像，所述对所述待处理图像进行小波变换操作，获取所述待处理图像的原始特征信息，包括：
对所述待处理图像在x轴方向上进行小波变换操作，得到第一频谱信息；
对所述第一频谱信息在y轴方向上进行小波变换操作，得到第二频谱信息；
对所述第二频谱信息在z轴方向上进行小波变换操作，得到第三频谱信息；
根据所述第三频谱信息，获取所述原始特征信息。


3.如权利要求1所述的图像增强方法，其特征在于，所述已训练的目标网络包括第一生成器、第二生成器、第三生成器和第四生成器，所述将所述原始特征信息输入已训练的目标网络进行处理，得到对应的重构特征信息，包括：
将所述全局轮廓特征信息输入所述第一生成器进行处理，得到所述全局轮廓重构信息；
将所述横向细节特征信息输入所述第二生成器进行处理，得到所述横向细节重构信息；
将所述纵向细节特征信息输入所述第三生成器进行处理，得到所述纵向细节重构信息；
将所述对角细节特征信息输入所述第四生成器进行处理，得到所述对角细节重构信息。


4.如权利要求1所述的图像增强方法，其特征在于，在所述获取待处理图像之前，还包括:
获取第一样本图像，并对所述第一样本图像进行下采样，得到对应的第二样本图像；
根据所述第一样本图像和所述第二样本图像对四个生成对抗网络进行训练，得到已训练的目标网络，其中所述四个生成对抗网络包括生成器组及对应的判别器组，所述目标网络为所述四个生成对抗网络中的生成器组。


5.如权利要求4所述的图像增强方法，其特征在于，所述根据所述第一样本图像和所述第二样本图像对四个生成对抗网络进行训练，得到已训练的目标网络，包括：
对所述第一样本图像进行小波变换，获取所述第一样本图像的第一原始特征信息，所述第一原始特征信息包括第一全局轮廓特征信息、第一横向细节特征信息、第一纵向细节特征信息和第一对角细节特征信息；
对所述第二样本图像进行小波变换，获取所述第二样本图像的第二原始特征信息，所述第二原始特征信息包括第二全局轮廓特征信息、第二横向细节特征信息、第二纵向细节特征信息和第二对角细节特征信息；
将所述第二原始特征信息输入所述生成器组进行处理，得到对应的样本数据重构信息，所述样本数据重构信息包括样本全局轮廓重构信息、样本横向细节重构信息、样本纵向细节重构信息和样本对角细节重构信息；
将所述第一原始特征信息及所述样本数据重构信息输入所述判别器组进行处理，得到对应的判别输出结果；
根据所述判别输出结果，计算所述判别器组中各个判别器各自对应的判别器损失值及所述生成器组中各个生成器各自对应的生成器损失值；
根据各个所述判别器损失值及各...

【专利技术属性】
技术研发人员：王书强，游森榕，陆一乾，胡圣烨，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44