【技术实现步骤摘要】
图像增强方法、装置和存储介质
本专利技术涉及深度学习领域，特别涉及基于深度学习的图像增强方法、装置以及存储介质。
技术介绍
图像增强方法主要包括传统图像增强方法和基于深度学习的图像增强方法。在传统的基于直方图均衡的图像增强中，可以增加噪声的对比度，降低有用信号的对比度，减少了灰度级别，因此图像过渡不自然，仅针对灰度图像效果较好，针对彩色图像会造成失真。基于深度学习的图像增强方法包括基于LightNet网络的图像增强。然而，该方法针对噪声较大的低光图像会引起图像的块效应。此外，该网络在训练时需要高亮度和低亮度严格对应的图像对，而该图像对难以获得，通常需要手动生成。本专利技术设计了一种图像增强方法，能够联合多种方法对端侧设备采集的图像进行图像质量增强，有助于用户更加高效地拍出更美观的图像。
技术实现思路
根据本专利技术的第一方面，提供了一种图像增强方法。该方法包括：获取原始图像；对原始图像的各个像素值进行灰度变换得到原始图像的各个目标像素值；并且利用第一图像生成器对原始图像的各个目标像素值进行增强以得到增强后...
【技术保护点】
1.一种图像增强方法，包括：/n获取原始图像；/n对所述原始图像的各个像素值进行灰度变换得到所述原始图像的各个目标像素值；并且/n利用经预先训练的第一图像生成器对所述原始图像的各个目标像素值进行增强以得到增强后的图像，以使所述增强后的图像的内容、色彩和纹理损失小于预定阈值。/n
【技术特征摘要】
1.一种图像增强方法，包括：
获取原始图像；
对所述原始图像的各个像素值进行灰度变换得到所述原始图像的各个目标像素值；并且
利用经预先训练的第一图像生成器对所述原始图像的各个目标像素值进行增强以得到增强后的图像，以使所述增强后的图像的内容、色彩和纹理损失小于预定阈值。
2.如权利要求1所述的方法，其中所述灰度变换包括：基于预定灰度值将原始图像的各个像素值按照灰度进行划分，和对低于所述预定灰度值的像素值进行扩展，以及对高于所述预定灰度值的像素值进行压缩。
3.如权利要求1所述的方法，其中所述第一图像生成器基于下述步骤训练得到：
学习从所述第一质量的真实图像集合到所述第二质量的真实图像集合的映射，和学习从所述第二质量的真实图像集合到所述第一质量的真实图像集合的映射，所述第二质量高于所述第一质量。
4.如权利要求1所述的方法，其中所述第一图像生成器基于下述步骤训练得到：
将第一质量的真实图像集合中的第一质量的真实图像输入所述第一图像生成器，得到第二质量的第一生成图像，并确定第二质量的真实图像集合中的第二质量的真实图像与所述第二质量的第一生成图像之间的第一全局变化损失、第一色彩损失和第一纹理损失，所述第二质量高于所述第一质量；
将所述第二质量的第一生成图像输入第二图像生成器，得到第一质量的第二生成图像，并确定所述第一质量的真实图像与所述第一质量的第二生成图像之间的第一感知损失；
将所述第二质量的真实图像输入所述第二图像生成器，得到第一质量的第一生成图像，并确定所述第一质量的真实图像与第一质量的第一生成图像之间的第二全局变化损失、第二色彩损失和第二纹理损失；
将所述第一质量的第一生成图像输入所述第一图像生成器，得到第二质量的第二生成图像，并确定所述第二质量的真实图像与所述第二质量的第二生成图像之间的第二感知损失；
基于所述第一全局变化损失、第一色彩损失、第一纹理损失、第一感知损失、第二全局变化损失、第二色彩损失、第二纹理损失和第二感知损失来确定总损失函数；
利用所述第一质量的真实图像集合中的第一质量的真实图像和所述第二质量的真实图像集合中的第二质量的真实图像对所述第一图像生成器进行训练，使得所述总损失函数收敛。
5.如权利要求4所述的方法，
其中所述确定所述第二质量的真实图像与所述第二质量的第一生成图像之间的第一全局变化损失包括：通过经预训练的第一卷积神经网络确定所述第二质量的真实图像与所述第二质量的第一生成图像之间的第一全局变化损失，并且
其中所述确定所述第一质量的真实图像与所述第一质量的第二生成图像之间的第一感知损失包括：通过所述经预训练的第一卷积神经网络确定所述第一质量的真实图像与所述第一质量的第二生成图像之间的第一感知损失。
6.如权利要求4所述的方法，
其中所述确定所述第一质量的真实图像与第一质量的第一生成图像之间的第二全局变化损失包括：通过经预训练的第一卷积神经网络确定所述第一质量的真实图像与第一质量的第一生成图像之间的第二全局变化损失，并且
其中所述确定所述第二质量的真实图像与所述第二质量的第二生成图像之间的第二感知损失包括：通过所述经预训练的第一卷积神经网络确定所述第二质量...
【专利技术属性】
技术研发人员：陈立，
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。