本发明专利技术涉及图像处理技术领域，具体涉及图像增强模型的训练、图像增强方法、装置及电子设备，所述训练方法包括获取第一样本图像块、与第一样本图像块对应的第二样本图像块以及翻转样本图像块，第二样本图像块的分辨率高于第一样本图像块，翻转样本图像块为第一样本图像块翻转得到的；将第一样本图像块以及第一翻转样本图像块输入图像增强模型中，得到第一目标图像块以及翻转图像块；对翻转图像块进行翻转，得到翻转目标图像块；基于第一目标图像块、第二样本图像块以及翻转目标图像块进行损失函数计算，更新图像增强模型的参数，确定目标图像增强模型。在模型的卷积处理过程中，第一样本图像块与翻转样本图像块对应的补零位置不同，解决边界效应。解决边界效应。解决边界效应。
【技术实现步骤摘要】
图像增强模型的训练、图像增强方法、装置及电子设备
[0001]本专利技术涉及图像处理
，具体涉及图像增强模型的训练、图像增强方法、装置及电子设备。
技术介绍
[0002]移动端设备在环境光源极弱时所拍摄的图像往往会存在画面死黑、噪声较多等问题，一方面由于画面的死黑现象，导致显示端图像画面的质量较差，无法显示画面中的有效内容，影响人们对画面的主观感受；另一方面会影像后续基于图像的智能算法分析。其中，通过低照条件下的图像增强技术能够在提升图像亮度的同时减少图像中的噪声，还原图像信息，改善图像的感官感受，能够呈现出画面本身的有效信息，同时提高了后续相关智能算法的性能。
[0003]近几年，深度学习技术推动了图像增强领域的发展，取得了巨大的进步。一般情况下，基于深度学习的低照模型包含着数亿级别的参数量，且需要对整图进行图像增强，一般图像数据尺寸都较大，但终端设备的内存占用往往是有限的，无法加载模型的参数和图像数据。基于此，现有技术在实际部署推断时直接使用分块
‑
推断
‑
拼接的方法，以降低内存的占用情况，缓解内存拷贝的压力。然而，采用这一方法处理得到的图像画面由于卷积的作用会出现较明显的分割线，即边界效应较明显，影响图像画面的增强效果。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供了一种图像增强模型的训练、图像增强方法、装置及电子设备，以解决图像增强处理后边界效应较明显的问题。
[0005]根据第一方面，本专利技术实施例提供了一种图像增强模型的训练方法，包括：
[0006]获取第一样本图像块、与所述第一样本图像块对应的第二样本图像块以及翻转样本图像块，所述第二样本图像块的分辨率高于所述第一样本图像块，所述翻转样本图像块为所述第一样本图像块翻转得到的；
[0007]将所述第一样本图像块以及所述第一翻转样本图像块输入图像增强模型中，得到第一目标图像块以及翻转图像块；
[0008]对所述翻转图像块进行翻转，得到翻转目标图像块；
[0009]基于所述第一目标图像块、所述第二样本图像块以及所述翻转目标图像块进行损失函数计算，更新所述图像增强模型的参数，确定目标图像增强模型。
[0010]本专利技术实施例提供的图像增强模型的训练方法，通过对第一样本图像块进行翻转得到翻转样本图像块，在模型的卷积处理过程中，第一样本图像块与翻转样本图像块对应的补零位置不同，再基于第一样本图像块与翻转样本图像块对应的第一目标图像块以及翻转目标图像块进行损失函数的计算，能够提高目标图像增强模型对图像块边界处细节的恢复、减少噪声，解决边界效应的问题。
[0011]结合第一方面，在第一方面第一实施方式中，所述将所述第一样本图像块以及所
述第一翻转样本图像块输入图像增强模型中，得到第一目标图像块以及翻转图像块，包括：
[0012]获取预设图像增强模型，所述预设图像增强模型是基于所述第一样本图像块以及所述第二样本图像块训练得到的；
[0013]利用所述预设图像增强模型初始化所述图像增强模型，所述图像增强模型与所述预设图像增强模型相同；
[0014]将所述第一样本图像块与所述第一翻转样本图像块输入所述图像增强模型中，得到所述第一目标图像块以及翻转图像块。
[0015]本专利技术实施例提供的图像增强模型的训练方法，先获取预设图像增强模型，利用预设图像增强模型指导图像增强模型的训练，将预设图像增强模型作为先验知识指导图像增强模型，使得图像增强模型在预设图像增强模型基础上微调去消除边界效应，减少网络的学习难度，提高网络收敛效果。
[0016]结合第一方面第一实施方式，在第一方面第二实施方式中，所述基于所述第一目标图像块、所述第二样本图像块以及所述翻转目标图像块进行损失函数计算，更新所述图像增强模型的参数，确定目标图像增强模型，包括：
[0017]利用所述第一目标图像块与所述翻转目标图像块进行损失函数计算，得到第一损失函数值；
[0018]利用所述第二样本图像块分别与所述第一目标图像块以及所述翻转目标图像块进行损失函数计算，得到第二损失函数值以及第三损失函数值；
[0019]基于所述第一损失函数值、所述第二损失函数值以及所述第三损失函数值，确定分块损失；
[0020]利用所述分块损失更新所述图像增强模型的参数，确定所述目标图像增强模型。
[0021]本专利技术实施例提供的图像增强模型的训练方法，分别利用第一目标图像块与翻转目标图像块的差异、第一目标图像块与第二样本图像块、以及翻转目标图像块与第二样本图像块进行损失函数计算，结合了第一样本图像块以及翻转目标图像块自身的损失，以及第一样本图像块与翻转图像块之间的差异，提高了分块损失的准确性，进而可以消除目标图像增强模型的边界效应。
[0022]结合第一方面第二实施方式，在第一方面第三实施方式中，所述获取预设图像增强模型，包括：
[0023]将所述第一样本图像块输入低照图像增强模型中，得到增强样本图像块；
[0024]基于所述增强样本图像块以及所述第二样本图像块进行损失函数计算，更新所述低照图像增强模型的参数，确定所述预设图像增强模型。
[0025]本专利技术实施例提供的图像增强模型的训练方法，先训练得到预设图像增强模型的目的是优先保证低照图像的增强效果，从而使得利用预设图像增强模型的参数进行初始化的图像增强模型具有低照图像增强效果，从而在此基础上，对图像增强模型进行训练得到的目标图像增强模型可以在保证低照图像增强效果的同时，实现消除低照增强图像的边界效应。
[0026]结合第一方面第三实施方式，在第一方面第四实施方式中，所述基于所述增强样本图像块以及所述第二样本图像块进行损失函数计算，更新所述低照图像增强模型的参数，确定所述预设图像增强模型，包括：
[0027]利用所述增强样本图像块与所述第二样本图像块的像素差异，计算像素损失函数值；
[0028]利用所述增强样本图像块与所述第二样本图像块的特征差异，计算特征损失函数值；
[0029]利用所述增强样本图像块的像素统计值与所述第二样本图像块的像素统计值，计算图像质量损失函数值；
[0030]基于所述像素损失函数值、所述特征损失函数值以及所述图像质量损失函数值，确定目标损失；
[0031]利用所述目标损失更新所述低照图像增强模型的参数，确定所述预设图像增强模型。
[0032]本专利技术实施例提供的图像增强模型的训练方法，利用像素损失函数值在像素级别上对图像进行约束，利用特征损失函数值在颜色以及细节等方面对图像进行约束，利用图像质量损失函数值对图像的整体质量进行约束，使得图像的风格更加符合人眼的感官感受，提高了目标损失的准确性，进而保证了预设图像增强模型的图像增强效果。
[0033]根据第二方面，本专利技术实施例还提供了一种图像增强方法，包括：
[0034]获取待处理图像；
[0035]对所述待处理图像进行分块，得到至少一个待处理本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像增强模型的训练方法，其特征在于，包括：获取第一样本图像块、与所述第一样本图像块对应的第二样本图像块以及翻转样本图像块，所述第二样本图像块的分辨率高于所述第一样本图像块，所述翻转样本图像块为所述第一样本图像块翻转得到的；将所述第一样本图像块以及所述第一翻转样本图像块输入图像增强模型中，得到第一目标图像块以及翻转图像块；对所述翻转图像块进行翻转，得到翻转目标图像块；基于所述第一目标图像块、所述第二样本图像块以及所述翻转目标图像块进行损失函数计算，更新所述图像增强模型的参数，确定目标图像增强模型。2.根据权利要求1所述的训练方法，其特征在于，所述将所述第一样本图像块以及所述第一翻转样本图像块输入图像增强模型中，得到第一目标图像块以及翻转图像块，包括：获取预设图像增强模型，所述预设图像增强模型是基于所述第一样本图像块以及所述第二样本图像块训练得到的；利用所述预设图像增强模型初始化所述图像增强模型，所述图像增强模型与所述预设图像增强模型相同；将所述第一样本图像块与所述第一翻转样本图像块输入所述图像增强模型中，得到所述第一目标图像块以及翻转图像块。3.根据权利要求2所述的训练方法，其特征在于，所述基于所述第一目标图像块、所述第二样本图像块以及所述翻转目标图像块进行损失函数计算，更新所述图像增强模型的参数，确定目标图像增强模型，包括：利用所述第一目标图像块与所述翻转目标图像块进行损失函数计算，得到第一损失函数值；利用所述第二样本图像块分别与所述第一目标图像块以及所述翻转目标图像块进行损失函数计算，得到第二损失函数值以及第三损失函数值；基于所述第一损失函数值、所述第二损失函数值以及所述第三损失函数值，确定分块损失；利用所述分块损失更新所述图像增强模型的参数，确定所述目标图像增强模型。4.根据权利要求2所述的训练方法，其特征在于，所述获取预设图像增强模型，包括：将所述第一样本图像块输入低照图像增强模型中，得到增强样本图像块；基于所述增强样本图像块以及所述第二样本图像块进行损失函数计算，更新所述低照图像增强模型的参数，确定所述预设图像增强模型。5.根据权利要求4所述的训练方法，其特征在于，所述基于所述增强样本图像块以及所述第二样本图像块进行损失函数计算，更新所述低照图像增强模型的参数，确定所述预设图像增强模型，包括：利用所述增强样本图像块与所述第二样本图像块的像素差异，计算像素损失函数值；利用所述增强样本图像块与所述第二样本图像块的特征差异，计算特征损失函数值；利用所述增强样本图像...
【专利技术属性】
技术研发人员：王诗韵，李瑮，毛晓蛟，
申请(专利权)人：苏州科达科技股份有限公司，
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。