一种基于深度学习的图像增强方法、装置、设备及介质制造方法及图纸

本申请实施例提供了一种基于深度学习的图像增强方法、装置、设备及介质，在本申请实施例中，获取样本集中任一样本图像对，将该第一样本图像和该第二样本图像输入到原始图像增强模型中，获取该原始图像增强模型对该第一样本图像处理后输出的第三样本图像；确定该第三样本图像和该第二样本图像的损失值；根据该损失值，对该原始图像增强模型的参数进行调整，得到训练好的图像增强模型，通过训练好的图像增强模型对实际图像进行图像增强。由于在本申请实施例中，采用第一样本图像和该第一样本图像对应的不失真的第二样本图像对原始图像增强模型进行训练，使得训练完成的图像增强模型可以输出不失真的图像。可以输出不失真的图像。可以输出不失真的图像。

【技术实现步骤摘要】
一种基于深度学习的图像增强方法、装置、设备及介质


[0001]本申请涉及图像处理
，尤其涉及一种基于深度学习的图像增强方法、装置、设备及介质。

技术介绍

[0002]在交通监控场景中采集车辆的图像时，通常会打开补光灯，以便采集到车辆内部的信息。但是受车牌的材质和表面性质等因素影响，车牌对补光灯强光的反射程度会比车身强烈。并且，在图像采集设备的图像感应器采集到原始(RAW)图像之后，为了使输出的图像更加符合人眼的要求，图像采集设备通常会采用图像信号处理(Image Signal Processor，ISP)流程对该RAW图像进行处理。
[0003]在ISP流程中，通常存在一些提高图像亮度或者增加图像曝光度的操作，但是由于在采集RAW图像时，该RAW图像中的车牌区域的亮度就已经高于其他区域的亮度，再经过ISP流程之后，输出的图像中车牌区域会过度曝光。
[0004]图1为正常曝光的车牌图像，图2为过度曝光的车牌图像，根据图1和图2可知，过度曝光的车牌图像的背景色变浅变淡，甚至丢失颜色信息而呈现白色，即导致输出的图像中车牌区域失真本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的图像增强方法，其特征在于，所述方法包括：获取样本集中任一样本图像对，其中所述样本图像对包括第一样本图像和所述第一样本图像对应的不失真的第二样本图像；将所述第一样本图像和所述第二样本图像输入到原始图像增强模型中，获取所述原始图像增强模型对所述第一样本图像处理后输出的第三样本图像；确定所述第三样本图像和所述第二样本图像的损失值；根据所述损失值，对所述原始图像增强模型的参数进行调整，得到训练好的图像增强模型；通过训练好的图像增强模型对实际图像进行图像增强。2.根据权利要求1所述的方法，其特征在于，所述第一样本图像的确定方法包括：获取所述第一样本图像对应的原始RAW图像；对所述RAW图像进行直接变换，确定第一RGB图像；对所述RAW图像进行去马赛克插值处理，确定第二RGB图像；对所述第二RGB图像进行数字增益操作和伽马校正操作，得到第三RGB图像；将根据第一预处理操作或第二预处理操作进行处理后的所述第一RGB图像和第三RGB图像合并，得到第一样本图像。3.根据权利要求2所述的方法，其特征在于，所述第一预处理操作包括随机高斯模糊、随机高斯噪声和随机颜色增强中的至少一种。4.根据权利要求2所述的方法，其特征在于，所述对所述RAW图像进行直接变换，确定第一RGB图像包括：根据所述RAW图像的每个像素点对应的分量，确定每个通道对应的子图像，将每个所述子图像中对应像素点的像素值作为第一RGB图像中该像素点对应分量的像素值。5.根据权利要求4所述的方法，其特征在于，所述确定每个通道对应的子图像之后，所述方法还包括：针对每个子图像，根据预先保存的每个通道对应的卷积核，确定该子图像对应的通道对应的目标卷积核；采用所述目标卷积核，对该子图像进行卷积操作。6.根据权利要求2所述的方法，其特征在于，所述第二预处理操作包括随机高斯模糊、随机高斯噪声、随机透视变换和随机颜色增强中的至少一种。7.根据权利要求2所述的方法，其特征在于，所述对所述RAW图像进行去马赛克插值处理之前，所述方法还包括：对所述RAW图像进行减去黑电平操作、降噪操作和白平衡处理操作。8.根据权利要求2所述的方法，其特征在...

【专利技术属性】
技术研发人员：郝德军，庄明磊，王廷鸟，王松，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：