本申请涉及人工智能技术领域，公开了一种图像增强方法、装置、存储介质及设备，包括：首先对获取的待增强的目标图像进行初步增强，得到第一增强图像，然后利用预先构建的图像增强模型中的场景分类模块，对目标图像或第一增强图像进行识别，得到干预偏置，接着，利用干预偏置和模型包含的预设精调曲线映射函数，对第一增强图像进行调节，得到第二增强图像，进而再利用模型中的多注意力学习模块，对目标图像的注意力图像进行提取，得到第三增强图像，最后，将第二增强图像和第三增强图像进行融合，确定出目标图像的最终增强结果。从而通过在对目标图像进行增强过程中增加场景差异化和多注意力区域差异化的增强步骤，提升增强效果和模型部署效率。部署效率。部署效率。
【技术实现步骤摘要】
一种图像增强方法、装置、存储介质及设备
[0001]本申请涉及人工智能
，尤其涉及一种图像增强方法、装置、存储介质及设备。
技术介绍
[0002]随着移动互联网和人工智能(artificial intelligence，AI)技术的快速发展，对于图像的高清显示，已成为了几乎所有终端设备的必备能力。比如，手机、平板电脑等都已经具备了实现图像增强的AI增强系统。其中，图像增强是一种提升图像视觉效果的方法。通常来说，图像增强是指调整图像的亮暗、饱和度和对比度，从而使得增强后的图像内容和图像色彩都较佳，以满足用户的视觉需求。
[0003]目前常用的图像增强方法是基于深度学习的图像增强方法，但该方法的实现依赖于大量的训练数据。这是因为现有的深度卷积神经网络需要经过训练之后才能确定模型参数，而无法根据具体场景对参数做适当的调节。在面对需求变化时，即使是小幅度的变化，例如仅仅是增加图像暗处亮度的幅度，都需要重新调整训练数据和损失函数，以重新训练模型。一方面，重新训练模型的时间代价较高，另一方面，调整训练数据或损失函数的幅度与最终增强效果的提升幅度之间也无法做到准确一致，即，无法确保在调整了训练数据或损失函数的幅度后，就必然能够准确调整增强效果。
技术实现思路
[0004]本申请实施例提供了一种图像增强方法、装置、存储介质及设备，有助于克服现有图像增强方法的缺点，在图像增强过程中，增加了场景差异化和多注意力区域差异化的图像增强调节能力，从而能够提升图像增强效果和模型部署效率。
[0005]第一方面，本申请提供了一种图像增强方法，该方法包括：首先获取待增强的目标图像，并对目标图像进行初步增强，得到第一增强图像，然后，利用预先构建的图像增强模型中的场景分类模块，对目标图像或第一增强图像进行识别，结合干预查找表得到干预偏置，接着，利用干预偏置，以及图像增强模型中的精调曲线映射函数模块包含的预设精调曲线映射函数，对第一增强图像进行调节，得到第二增强图像，进而再利用图像增强模型中的多注意力学习模块，基于注意力机制，对目标图像的注意力图像进行提取，得到第三增强图像，最后，可以将第二增强图像和第三增强图像进行融合，确定出待增强的目标图像的最终增强结果。
[0006]与传统技术相比，由于本申请实施例在对目标图像进行增强过程中，增加了场景差异化和多注意力区域差异化的图像增强调节处理步骤，从而能够提升目标图像增强的效果和模型部署效率。
[0007]一种可能的实现方式中，图像增强模型还包括曲线参数学习模块，该方法还包括：利用曲线参数学习模块对目标图像进行学习处理，得到学习偏置；则利用干预偏置，以及图像增强模型中的精调曲线映射函数模块包含的预设精调曲线映射函数，对第一增强图像进
行调节，得到第二增强图像，包括：利用干预偏置和学习偏置，以及图像增强模型中的精调曲线映射函数模块包含的预设精调曲线映射函数，对第一增强图像进行调节，得到第二增强图像，从而能够提高第二增强图像的增强效果。
[0008]一种可能的实现方式中，按照下述方式构建图像增强模型：获取样本图像；利用样本图像，对预先构建的初始图像增强模型进行训练，得到图像增强模型；其中，初始图像增强模型包括场景分类模块、精调曲线映射函数模块、多注意力模块；场景分类模块用于根据输入图像得到干预偏置，精调曲线映射函数模块用于根据干预偏置调节输入图像，多注意力模块用于提取原始图像对应的多注意力图。
[0009]一种可能的实现方式中，利用样本图像，对预先构建的初始图像增强模型进行训练，得到图像增强模型，包括：对样本图像进行初步增强，得到训练增强图像；将样本图像或训练增强图像输入至预先构建的初始图像增强模型中的场景分类模块；将训练增强图像输入至初始图像增强模型中的精调曲线映射函数模块；将样本图像输入至初始图像增强模型中的多注意力模块，进行模型训练，生成图像增强模型。从而能够训练得到增强效果更佳的图像增强模型。
[0010]一种可能的实现方式中，该方法还包括：获取验证图像；对验证图像进行初步增强，得到验证增强图像；将验证图像或验证增强图像输入至图像增强模型中的场景分类模块；将验证增强图像输入至图像增强模型中的精调曲线映射函数模块；将验证图像输入至图像增强模型中的多注意力模块，获得验证图像的增强结果；当验证图像的增强结果与验证图像的增强结果对应的理想增强结果不一致时，将验证图像重新作为所述样本图像，对图像增强模型中的干预查找表进行参数更新。从而可以利用验证图像对图像增强模型进行有效验证，并及时调整更新图像增强模型，进而有助于提高增强模型的增强效果。
[0011]第二方面，本申请还提供了一种图像增强装置，该装置包括：第一获取单元，用于获取待增强的目标图像，并对目标图像进行初步增强，得到第一增强图像；第一获得单元，用于利用预先构建的图像增强模型中的场景分类模块，对目标图像或第一增强图像进行识别，结合干预查找表得到干预偏置；第二获得单元，用于利用干预偏置，以及图像增强模型中的精调曲线映射函数模块包含的预设精调曲线映射函数，对第一增强图像进行调节，得到第二增强图像；第三获得单元，用于利用图像增强模型中的多注意力学习模块，基于注意力机制，对目标图像的注意力图像进行提取，得到第三增强图像；融合单元，用于将第二增强图像和第三增强图像进行融合，确定待增强的目标图像的最终增强结果。
[0012]一种可能的实现方式中，图像增强模型还包括曲线参数学习模块，该装置还包括：第四获得单元，用于利用曲线参数学习模块对目标图像进行学习处理，得到学习偏置；则第二获得单元具体用于：利用干预偏置和学习偏置，以及图像增强模型中的精调曲线映射函数模块包含的预设精调曲线映射函数，对第一增强图像进行调节，得到第二增强图像。
[0013]一种可能的实现方式中，该装置还包括：第二获取单元，用于获取样本图像；训练单元，用于利用样本图像，对预先构建的初始图像增强模型进行训练，得到图像增强模型；其中，初始图像增强模型包括场景分类模块、精调曲线映射函数模块、多注意力模块；场景分类模块用于根据输入图像得到所述干预偏置，精调曲线映射函数模块用于根据干预偏置调节输入图像，多注意力模块用于提取原始图像对应的多注意力图。
[0014]一种可能的实现方式中，训练单元包括：增强子单元，用于对样本图像进行初步增
强，得到训练增强图像；训练子单元，用于将样本图像或训练增强图像输入至预先构建的初始图像增强模型中的场景分类模块；将训练增强图像输入至初始图像增强模型中的精调曲线映射函数模块；将样本图像输入至初始图像增强模型中的多注意力模块，进行模型训练，生成图像增强模型。
[0015]一种可能的实现方式中，该装置还包括：第三获取单元，用于获取验证图像；第五获得单元，用于对验证图像进行初步增强，得到验证增强图像；第六获得单元，用于将验证图像或验证增强图像输入至图像增强模型中的场景分类模块；将验证增强图像输入至图像增强模型中的精调曲线映射函数模块；将验证图像输入至图像增强模型中的多注意力模块，获得验证图像的增强本文档来自技高网...
【技术保护点】
【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：获取待增强的目标图像，并对所述目标图像进行初步增强，得到第一增强图像；利用预先构建的图像增强模型中的场景分类模块，对所述目标图像或所述第一增强图像进行识别，结合干预查找表得到干预偏置；利用所述干预偏置，以及所述图像增强模型中的精调曲线映射函数模块包含的预设精调曲线映射函数，对所述第一增强图像进行调节，得到第二增强图像；利用所述图像增强模型中的多注意力学习模块，基于注意力机制，对所述目标图像的注意力图像进行提取，得到第三增强图像；将所述第二增强图像和所述第三增强图像进行融合，确定所述待增强的目标图像的最终增强结果。2.根据权利要求1所述的方法，其特征在于，所述图像增强模型还包括曲线参数学习模块，所述方法还包括：利用所述曲线参数学习模块对所述目标图像进行学习处理，得到学习偏置；所述利用所述干预偏置，以及所述图像增强模型中的精调曲线映射函数模块包含的预设精调曲线映射函数，对所述第一增强图像进行调节，得到第二增强图像，包括：利用所述干预偏置和所述学习偏置，以及所述图像增强模型中的精调曲线映射函数模块包含的预设精调曲线映射函数，对所述第一增强图像进行调节，得到第二增强图像。3.根据权利要求1或2所述的方法，其特征在于，按照下述方式构建所述图像增强模型：获取样本图像；利用所述样本图像，对预先构建的初始图像增强模型进行训练，得到所述图像增强模型；其中，所述初始图像增强模型包括场景分类模块、精调曲线映射函数模块、多注意力模块；所述场景分类模块用于根据输入图像得到所述干预偏置，所述精调曲线映射函数模块用于根据所述干预偏置调节输入图像，所述多注意力模块用于提取原始图像对应的多注意力图。4.根据权利要求3所述的方法，其特征在于，所述利用所述样本图像，对预先构建的初始图像增强模型进行训练，得到所述图像增强模型，包括：对所述样本图像进行初步增强，得到训练增强图像；将所述样本图像或训练增强图像输入至预先构建的初始图像增强模型中的场景分类模块；将所述训练增强图像输入至所述初始图像增强模型中的精调曲线映射函数模块；将所述样本图像输入至所述初始图像增强模型中的多注意力模块，进行模型训练，生成所述图像增强模型。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取验证图像；对所述验证图像进行初步增强，得到验证增强图像；将所述验证图像或验证增强图像输入至所述图像增强模型中的场景分类模块；将所述验证增强图像输入至所述图像增强模型中的精调曲线映射函数模块；将所述验证图像输入至所述图像增强模型中的多注意力模块，获得所述验证图像的增强结果；当所述验证图像的增强结果与所述验证图像的增强结果对应的理想增强结果不一致
时，将所述验证图像重新作为所述样本图像，对所述图像增强模型中的干预查找表进行参数更新。6.一种图像增强装置，其特征在于，所述装置包括：第一获取单元，用于获取待增强的目标图像，并对所述目标图像进行初步增强，得到第一增强图像；第一获得单元，用于利用预先构建...
【专利技术属性】
技术研发人员：李勇，汪涛，宋风龙，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：
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。