本申请涉及一种图像增强方法、装置、计算机设备和存储介质，本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。所述方法包括：获取待处理图像；对待处理图像进行多尺度特征提取，得到多尺度图像特征；多尺度图像特征包括至少两个层级尺度图像特征；对多尺度图像特征中第一层级尺度图像特征进行注意力机制加权，得到第一图像特征，注意力机制包括空间注意力机制和通道注意力机制；对第一图像特征和第二层级尺度图像特征进行加权融合，得到第二图像特征，第二层级尺度图像特征为多尺度图像特征中非第一层级尺度图像特征；对第二图像特征进行特征提取，得到增强图像。采用本方法能够得到图像增强效果好的增强图像。强图像。强图像。
【技术实现步骤摘要】
图像增强方法、装置、计算机设备和存储介质
[0001]本申请涉及图像处理
，特别是涉及一种图像增强方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着图像处理技术的发展，出现了图像增强技术，图像增强技术主要用于对图像进行处理，以提升图像质量。比如，图像增强具体可以是指图像去雾，通过去雾来提升图像质量。
[0003]传统技术中，常用的图像增强方式为，训练深度神经网络，利用训练好的深度神经网络对待处理图像进行处理，以实现图像增强。
[0004]然而，传统方法，所使用的深度神经网络并不能充分提取待处理图像的特征，存在图像增强效果差的问题。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提升图像增强效果的图像增强方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种图像增强方法。所述方法包括：
[0007]获取待处理图像；
[0008]对待处理图像进行多尺度特征提取，得到多尺度图像特征；多尺度图像特征包括至少两个层级尺度图像特征；
[0009]对多尺度图像特征中第一层级尺度图像特征进行注意力机制加权，得到第一图像特征，注意力机制包括空间注意力机制和通道注意力机制；
[0010]对第一图像特征和第二层级尺度图像特征进行加权融合，得到第二图像特征，第二层级尺度图像特征为多尺度图像特征中非第一层级尺度图像特征；
[0011]对第二图像特征进行特征提取，得到增强图像。
[0012]第二方面，本申请还提供了一种图像增强装置。所述装置包括：
[0013]获取模块，用于获取待处理图像；
[0014]多尺度特征提取模块，用于对待处理图像进行多尺度特征提取，得到多尺度图像特征；多尺度图像特征包括至少两个层级尺度图像特征；
[0015]注意力机制加权模块，用于对多尺度图像特征中第一层级尺度图像特征进行注意力机制加权，得到第一图像特征，注意力机制包括空间注意力机制和通道注意力机制；
[0016]特征加权融合模块，用于对第一图像特征和第二层级尺度图像特征进行加权融合，得到第二图像特征，第二层级尺度图像特征为多尺度图像特征中非第一层级尺度图像特征；
[0017]处理模块，用于对第二图像特征进行特征提取，得到增强图像。
[0018]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理
器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0019]获取待处理图像；
[0020]对待处理图像进行多尺度特征提取，得到多尺度图像特征；多尺度图像特征包括至少两个层级尺度图像特征
[0021]对多尺度图像特征中第一层级尺度图像特征进行注意力机制加权，得到第一图像特征，注意力机制包括空间注意力机制和通道注意力机制；
[0022]对第一图像特征和第二层级尺度图像特征进行加权融合，得到第二图像特征，第二层级尺度图像特征为多尺度图像特征中非第一层级尺度图像特征；
[0023]对第二图像特征进行特征提取，得到增强图像。
[0024]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0025]获取待处理图像；
[0026]对待处理图像进行多尺度特征提取，得到多尺度图像特征；多尺度图像特征包括至少两个层级尺度图像特征；
[0027]对多尺度图像特征中第一层级尺度图像特征进行注意力机制加权，得到第一图像特征，注意力机制包括空间注意力机制和通道注意力机制；
[0028]对第一图像特征和第二层级尺度图像特征进行加权融合，得到第二图像特征，第二层级尺度图像特征为多尺度图像特征中非第一层级尺度图像特征；
[0029]对第二图像特征进行特征提取，得到增强图像。
[0030]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0031]获取待处理图像；
[0032]对待处理图像进行多尺度特征提取，得到多尺度图像特征；多尺度图像特征包括至少两个层级尺度图像特征；
[0033]对多尺度图像特征中第一层级尺度图像特征进行注意力机制加权，得到第一图像特征，注意力机制包括空间注意力机制和通道注意力机制；
[0034]对第一图像特征和第二层级尺度图像特征进行加权融合，得到第二图像特征，第二层级尺度图像特征为多尺度图像特征中非第一层级尺度图像特征；
[0035]对第二图像特征进行特征提取，得到增强图像。
[0036]上述图像增强方法、装置、计算机设备、存储介质和计算机程序产品，通过获取待处理图像，对待处理图像进行多尺度特征提取，得到包括至少两个层级尺度图像特征的多尺度图像特征，对多尺度图像特征中第一层级尺度图像特征进行包括空间注意力机制和通道注意力机制的注意力机制加权，能够进行空间位置层面和通道层面的特征加权融合，得到第一图像特征，对第一图像特征和第二层级尺度图像特征进行加权融合，能够提取到跨尺度、跨空间、跨通道的第二图像特征，并通过对第二图像特征进行特征提取，得到图像增强效果好的增强图像，从而能自动对图像进行质量增强，且提高了图像增强效果。
附图说明
[0037]图1为一个实施例中图像增强方法的流程示意图；
[0038]图2为一个实施例中初步特征提取网络和卷积网络的网络结构的示意图；
[0039]图3为一个实施例中得到空间注意力加权特征的流程示意图；
[0040]图4为一个实施例中得到通道注意力加权特征的流程示意图；
[0041]图5为一个实施例中已训练图像增强网络的示意图；
[0042]图6为另一个实施例中已训练图像增强网络的示意图；
[0043]图7为一个实施例中通过双注意力机制模块得到第一图像特征的流程示意图；
[0044]图8为一个实施例中图像增强装置的结构框图；
[0045]图9为一个实施例中计算机设备的内部结构图。
具体实施方式
[0046]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0047]在一个实施例中，如图1所示，提供了一种图像增强方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现，也可以为区块链上的节点。本本文档来自技高网...
【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：获取待处理图像；对所述待处理图像进行多尺度特征提取，得到多尺度图像特征；所述多尺度图像特征包括至少两个层级尺度图像特征；对所述多尺度图像特征中第一层级尺度图像特征进行注意力机制加权，得到第一图像特征，所述注意力机制包括空间注意力机制和通道注意力机制；对所述第一图像特征和第二层级尺度图像特征进行加权融合，得到第二图像特征，所述第二层级尺度图像特征为所述多尺度图像特征中非第一层级尺度图像特征；对所述第二图像特征进行特征提取，得到增强图像。2.根据权利要求1所述的方法，其特征在于，所述第一层级尺度图像特征为所述多尺度图像特征中最低层级尺度图像特征；所述对所述多尺度图像特征中第一层级尺度图像特征进行注意力机制加权，得到第一图像特征包括：基于空间注意力机制，对所述多尺度图像特征中最低层级尺度图像特征的空间位置特征进行加权特征提取，得到空间注意力加权特征；基于通道注意力机制，对所述多尺度图像特征中最低层级尺度图像特征的通道特征进行加权特征提取，得到通道注意力加权特征；根据所述空间注意力加权特征和所述通道注意力加权特征，得到第一图像特征。3.根据权利要求2所述的方法，其特征在于，所述基于所述空间注意力机制，对所述多尺度图像特征中最低层级尺度图像特征的空间位置特征进行加权特征提取，得到空间注意力加权特征包括：对所述多尺度图像特征中最低层级尺度图像特征进行矩阵变形，得到第一空间矩阵；对所述第一空间矩阵进行反转，得到第二空间矩阵；将所述第一空间矩阵和所述第二空间矩阵相乘，得到第三空间矩阵；对所述第三空间矩阵进行空间注意力机制加权，得到空间位置加权矩阵；将所述多尺度图像特征中最低层级尺度图像特征与所述空间位置加权矩阵进行跳接，得到空间注意力加权特征。4.根据权利要求2所述的方法，其特征在于，所述基于所述通道注意力机制，对所述多尺度图像特征中最低层级尺度图像特征的通道特征进行加权特征提取，得到通道注意力加权特征包括：对所述多尺度图像特征中最低层级尺度图像特征进行矩阵变形，得到第一通道矩阵；对所述第一通道矩阵进行反转，得到第二通道矩阵；将所述第一通道矩阵和所述第二通道矩阵相乘，得到第三通道矩阵；对所述第三空间矩阵进行通道注意力机制加权，得到通道加权矩阵；将所述多尺度图像特征中最低层级尺度图像特征与所述通道加权矩阵进行跳接，得到通道注意力加权特征。5.根据权利要求1所述的方法，其特征在于，所述对所述第一图像特征和第二层级尺度图像特征进行加权融合，得到第二图像特征包括：以所述第二层级尺度图像特征中最低层级尺度图像特征以及...
【专利技术属性】
技术研发人员：罗文寒，张凯皓，
申请(专利权)人：腾讯科技深圳有限公司，
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。