【技术实现步骤摘要】
图像的处理方法、装置、电子设备及计算机存储介质
[0001]本申请涉及计算机
，特别涉及一种图像的处理方法、装置、电子设备及计算机存储介质。
技术介绍
[0002]摄像设备在光线不足或不均匀的条件下获取的图像往往存在细节丢失、局部曝光不足、分辨率低等问题。这种类型的图像提供了非常差的视觉体验，也会影响计算机视觉系统收集图像信息的准确性。这个问题通常有两种解决方案：一是升级硬件设备，二是改进算法。
[0003]随着工业技术的发展，摄像设备得到了迅速的改进。然而，在夜间拍照时，相机往往无法获得高亮度的图像。因此，研究人员试图通过软件解决照明不足的问题，并采用图像增强算法来提高捕获图像的亮度和对比度。
[0004]现有技术中，弱光增强方法通常包括基于直方图均衡化的方法和基于Retinex模型的方法，后者受到了相对较多的关注。典型的基于Retinex模型的方法通过先验或正则化将微光图像分解为反射分量和照明分量。这种方法有一些局限性：1)将反射分量视为增强结果的理想假设并不总是成立，特别是考虑到各种照明特性，这可...
【技术保护点】
【技术特征摘要】
1.一种图像的处理方法，其特征在于，包括：接收待处理图像；对所述待处理图像进行第一特征处理，得到所述待处理图像的全局特征；对所述待处理图像进行第二特征处理，得到所述待处理图像的局部特征；对所述局部特征、所述全局特征以及所述待处理图像进行融合处理，得到正常曝光的图像。2.根据权利要求1所述的处理方法，其特征在于，所述对所述待处理图像进行第一特征处理，得到所述待处理图像的全局特征，包括：将所述待处理图像的尺寸调整至预设尺寸，得到目标图像；将所述目标图像输入至第一特征提取组件，输出得到第一特征结果；其中，所述第一特征提取组件包括：卷积层、视觉转换器和平均池化层；将所述第一特征结果输入至第二特征提取组件，输出得到所述待处理图像的全局特征；其中，所述第二特征提取组件包括：卷积层、视觉转换器和平均池化层。3.根据权利要求1所述的处理方法，其特征在于，所述对所述待处理图像进行第二特征处理，得到所述待处理图像的局部特征，包括：将所述待处理图像输入至降采样网络的第一级模块，输出得到第一局部特征；其中，所述降采样网络的第一级模块包括：最大池化层、卷积层和激活函数；将所述第一局部特征输入至降采样网络的第二级模块，输出得到第二局部特征；其中，所述降采样网络的第二级模块包括：最大池化层、卷积层和激活函数；将所述第二局部特征输入至降采样网络的第三级模块，输出得到第三局部特征；其中，所述降采样网络的第三级模块包括：最大池化层、卷积层和激活函数；将所述第三局部特征以及所述全局特征输入至降采样网络的第四级模块，输出得到第四局部特征；其中，所述降采样网络的第四级模块包括：最大池化层、卷积层和激活函数；将所述第四局部特征以及所述全局特征输入至降采样网络的第五级模块，输出得到第五局部特征；其中，所述降采样网络的第五级模块包括：最大池化层、卷积层和激活函数。4.根据权利要求3所述的处理方法，其特征在于，所述最大池化层的步长为2。5.根据权利要求3所述的处理方法，其特征在于，所述对所述局部特征、所述全局特征以及所述待处理图像进行融合处理，得到正常曝光的图像，包括：将所述第五局部特征输入至上采样网络的第五级模块，输出得到第五上采样特征；其中，所述上采样网络的第五级模块包括：卷积层、激活函数、视觉转换器和最近邻插值上采样层；将所述全局特征、所述第五局部特征和所述第五上采样特征进行级联操作，得到第一融合特征；将所述第一融合特征输入至上采样网络的第四级模块，输出得到第四上采样特征；其中，所述上采样网络的第四级模块包括：卷积层、激活函数、视觉转换器和最近邻插值上采样层；将所述第四局部特征和所述第四上采样特征进行级联操作，得到第二融合特征；将所述第二融合特征输入至上采样网络的第三级模块，输出得到第三上采样特征；其中，所述上采样网络的第三级模块包括：卷积层、激活函数、视觉转换器和最近邻插值上采
样层；将所述第三局部特征和所述第三上采样特征进行级联操作，得到第三融合特征；将所述第三融合特征输入至上采样网络的第二级模块，输出得到第二上采样特征；其中，所述上采样网...
【专利技术属性】
技术研发人员：张东阳，谭嵩，罗准，冯斌，
申请(专利权)人：湖南快乐阳光互动娱乐传媒有限公司，
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。