【技术实现步骤摘要】
图像增强方法、装置、电子设备和计算机可读存储介质
[0001]本专利技术涉及图像增强
，尤其涉及一种图像增强方法、装置、电子设备和计算机可读存储介质。
技术介绍
[0002]煤矿井下成像环境比较特殊，弱光或低照度条件使得井下拍摄的图像具有亮度低、对比度低等缺陷，存在噪声大、颜色失真等问题，严重影响地面监控系统对井下情况的掌握，对事后的复现分析有直接的影响。随着智能化开采的推进，基于视觉的智能分析在煤矿井下的应用越来越多，高质量的图像是进行视觉分析的必要条件，因此，井下低照度图像增强是提高图像质量为后续图像分析做准备的重要步骤。
[0003]传统的井下低照度图像增强常采用直方图均衡化和基于Retinex模型方法等，这些方法在一定程度上可以增强图像整体对比度效果，然而此类方法通常涉及较多的经验参数，增强效果容易失真，单帧图像处理时间长。随着深度学习技术的快速发展，基于深度学习的图像增强方法的增强效果普遍超过了传统方法。但是，基于深度学习的增强方法为了取得较好的增强效果，常采用复杂的网络模型，这使得计算、存储等资源开...
【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，包括：构建图像增强训练数据集，所述图像增强训练数据集包括原始图像和对应的标准图像；构建图像增强网络模型，将所述原始图像输入至所述图像增强网络模型，输出与所述原始图像对应的增强图像，其中，所述图像增强网络模型包括编码模型和查找表生成模型，所述编码模型用于对原始图像进行编码得到基点信息，所述查找表生成模型用于利用所述基点信息生成颜色查找表；利用所述标准图像和所述增强图像确定第一损失函数，利用所述颜色查找表确定第二损失函数；根据所述第一损失函数和所述第二损失函数调整所述编码模型和所述查找表生成模型的参数，从而得到训练好的图像增强网络模型。2.根据权利要求1所述的图像增强方法，其特征在于，所述第一损失函数包括亮度差异损失函数，所述亮度差异损失函数根据所述标准图像和所述增强图像确定，所述第二损失函数包括单调性损失函数和扰动波动损失函数，所述单调性损失函数和所述扰动波动损失函数根据颜色查找表确定。3.根据权利要求2所述的图像增强方法，其特征在于，所述亮度差异损失函数根据所述标准图像和所述增强图像确定包括：对于所述标准图像中的每个第一像素点，在所述增强图像中确定该第一像素点对应的第二像素点，并计算该第一像素点和所述第二像素点的差值的平方以及三倍差值的绝对值，对平方和绝对值进行求和得到该第一像素点对应的亮度差；根据每个第一像素点各自对应的亮度差确定所述增强图像的亮度差平均值，并将所述亮度差平均值作为所述亮度差异损失函数。4.根据权利要求2所述的图像增强方法，其特征在于，所述单调性损失函数和所述扰动波动损失函数根据颜色查找表确定包括：对于所述颜色查找表的每个第一位置颜色点，确定该第一位置颜色点后一相邻的第二位置颜色点，并计算该第一位置颜色点和所述第二位置颜色点的颜色差值的平方，根据每个第一位置颜色点各自对应的颜色差值的平方确定所述颜色查找表的颜色差值平均值，并将所述颜色差值平均值作为所述扰动波动损失函数；计算该第一位置颜色点和所述第二位置颜色点的颜色差值，将颜色差值小于0的部分截断，获得该第一位置颜色点的正向梯度值，根据每个第一位置颜色点各自对应的正向梯度值确定所述颜色查找表的正向梯度值平均值，并将所述正向梯度值平均值作为所述单调性损失函数。5.根据权利要求1所述的图像增强方法，其特征在于，所述构建图像增强训练数据集包括：获取不同场景不同照度下的原始图像，并获取与所述原始图像处于同一场景下的对应的标准图像。6.根据权利要求5所述的图像增强方法，其特征在于，所述获取与所述原始图像处于同一场景下的对应的标准图像包括：利用特征点配准技术将同一场景下的图像信息进行图像配准，获取原始图像对应的标准图像。7.根据权利要求1所述的图像增强方法，其特征在于，所述将所述原始图像输入至所述图像增强网络模型，输出与所述原始图像对应的增强图像包括：根据所述颜色查找表的表征规模对所述原始图像进行数值量化得到量化特征，根据原始图像的量化特征，采用双线
性插值方法，在颜色查找表中进行插值查找对应的输出像素，以输出增强图像。8.一种图像增强装置，其特征在于，包括：获取模块，用于获取图像增强训练数据集，所述图像增强训练数据集包括原始图像和对应的标准图像；增强处理模块，用于构建图像增强网络模型，将所述原始图像输入至所述图像增强网络模型，输出与所述原始图像对应的增强图像，其中，所述图像增强网络模型包...
【专利技术属性】
技术研发人员：杜明，赵国瑞，呼少平，薛忠新，李帅帅，
申请(专利权)人：陕煤集团神木张家峁矿业有限公司，
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。