图像处理方法、电子设备、存储介质及计算机程序产品技术

本发明专利技术实施例提供了一种图像处理方法、电子设备、存储介质及计算机程序产品。采用预先训练的照度增强模型，基于原始图像和初始照度图像实现原始图像的照度增强，初始照度图像是对原始图像进行预处理得到的，得到的初始照度图像足够平滑，贴合原始图像的真实光照情况；照度增强模型的模型参数是以样本标准图像为学习目标，基于样本初始照度图像，对样本原始图像进行照度增强的模型参数。照度增强模型在模型训练过程中学习到了：基于样本初始照度图像，对样本原始图像进行照度增强得到样本标准图像的过程，如何进行照度增强的规律。基于照度增强模型对原始图像和初始照度图像进行处理，得到的照度增强后图像可以贴近标准照度下的真实图像。的真实图像。的真实图像。

【技术实现步骤摘要】
图像处理方法、电子设备、存储介质及计算机程序产品


[0001]本专利技术实施例涉及图像处理
，尤其涉及一种图像处理方法、电子设备、存储介质及计算机程序产品。

技术介绍

[0002]在图像处理领域，常常会涉及到对图像进行照度增强。
[0003]相关技术中，对图像进行照度增强常用的方法是基于Retinex模型的方法。传统的基于Retinex模型的方法包括：通过先验或者正则化将低光图像分解成一个反射分量和一个光照分量，对光照分量进行照度提升，再将反射分量和照度提升后的光照分量相乘，得到增强后的图像。然而这种方法有一些局限性：1、将反射分量视为理想的反射图像，可能会导致不现实的增强，如细节的丢失和扭曲的颜色；2、Retinex模型中噪声通常被忽略，在增强结果中噪声会被保留或放大；3、不准确的先验或正则化可能导致增强结果中存在伪影和颜色偏差；4、Retinex模型分解得到的照度图像不够平滑，导致增强后的图像无法贴近真实图像。
[0004]由此可见，目前亟需一种新的图像处理方法，以克服或部分克服传统技术中存在的问题。

技术实现思路

[0005]本专利技术实施例提供一种图像处理方法、电子设备、存储介质及计算机程序产品，以克服或部分克服相关技术中存在的问题。
[0006]本专利技术实施例第一方面提供了一种图像处理方法，所述方法包括：
[0007]对原始图像进行预处理，得到初始照度图像；
[0008]将所述原始图像和所述初始照度图像输入预先训练的照度增强模型，得到照度增强后图像，所述照度增强模型的模型参数是以样本标准图像为学习目标，基于样本初始照度图像，对样本原始图像进行照度增强的模型参数；
[0009]其中，所述样本标准图像和所述样本原始图像为一对在不同照度下拍摄的相同内容的图像，所述样本标准图像是在标准照度下拍摄的，所述样本原始图像是在低于所述标准照度的低照度下拍摄的，所述样本初始照度图像是对所述样本原始图像进行所述预处理的结果。
[0010]可选地，将所述原始图像和所述初始照度图像输入预先训练的照度增强模型，得到照度增强后图像，包括：
[0011]通过所述照度增强模型中的第一子模型对所述原始图像进行处理，得到反射图；
[0012]通过所述照度增强模型中的第二子模型对所述初始照度图像进行处理，得到照度图；
[0013]通过所述照度增强模型中的增强模块对所述照度图进行增强，得到增强后照度图；
[0014]通过所述照度增强模型中的第三子模型对所述反射图和所述增强后照度图的融合图像进行处理，得到所述照度增强后图像。
[0015]可选地，所述照度增强模型的损失函数至少包括：第一损失函数，所述第一损失函数以所述第三子模型输出的样本照度增强后图像与所述样本标准图像相同为目标。
[0016]可选地，所述照度增强模型的损失函数还包括：第二损失函数，所述第二损失函数以所述第一子模型输出的样本反射图和所述第二子模型输出的样本照度图的样本融合图像的结构信息，与样本原始图像的结构信息相同为目标，所述样本反射图是根据对所述样本原始图像的分解出的反射图得到的，所述样本照度图是根据对所述样本原始图像的分解出的照度图得到的，所述样本融合图像是对所述样本反射图和所述样本照度图进行处理得到的。
[0017]可选地，所述照度增强模型的损失函数还包括：第三损失函数，所述第三损失函数以所述第一子模型输出的样本反射图在任何照度下保持不变为目标。
[0018]可选地，所述第三损失函数的值是按照以下步骤得到的：
[0019]通过所述第一子模型对所述样本原始图像进行处理，得到第一样本反射图；
[0020]通过所述第一子模型对所述第三子模型输出的样本照度增强后图像进行处理，得到第二样本反射图，所述样本照度增强后图像是所述第三子模型以所述样本反射图和增强后样本照度图的融合图像进行处理得到的，所述增强后样本照度图是对所述样本照度图进行增强得到的；
[0021]根据所述第一样本反射图和所述第二样本反射图，计算所述第二损失函数的值。
[0022]可选地，对原始图像进行预处理，得到初始照度图像，包括：
[0023]对原始图像进行主成分分析，得到初始照度图像。
[0024]本专利技术实施例第二方面提供了一种图像处理装置，所述装置包括：
[0025]预处理模块，用于对原始图像进行预处理，得到初始照度图像；
[0026]照度增强模块，用于将所述原始图像和所述初始照度图像输入预先训练的照度增强模型，得到照度增强后图像，所述照度增强模型的模型参数是以样本标准图像为学习目标，基于样本初始照度图像，对样本原始图像进行照度增强的模型参数；
[0027]其中，所述样本标准图像和所述样本原始图像为一对在不同照度下拍摄的相同内容的图像，所述样本标准图像是在标准照度下拍摄的，所述样本原始图像是在低于所述标准照度的低照度下拍摄的，所述样本初始照度图像是对所述样本原始图像进行所述预处理的结果。
[0028]可选地，所述照度增强模块，包括：
[0029]第一处理子模块，用于通过所述照度增强模型中的第一子模型对所述原始图像进行处理，得到反射图；
[0030]第二处理子模块，用于通过所述照度增强模型中的第二子模型对所述初始照度图像进行处理，得到照度图；
[0031]第三处理子模块，用于通过所述照度增强模型中的增强模块对所述照度图进行增强，得到增强后照度图；
[0032]第四处理子模块，用于通过所述照度增强模型中的第三子模型对所述反射图和所述增强后照度图的融合图像进行处理，得到所述照度增强后图像。
[0033]可选地，所述照度增强模型的损失函数至少包括：第一损失函数，所述第一损失函数以所述第三子模型输出的样本照度增强后图像与所述样本标准图像相同为目标。
[0034]可选地，所述照度增强模型的损失函数还包括：第二损失函数，所述第二损失函数以所述第一子模型输出的样本反射图和所述第二子模型输出的样本照度图的样本融合图像的结构信息，与样本原始图像的结构信息相同为目标，所述样本反射图是根据对所述样本原始图像的分解出的反射图得到的，所述样本照度图是根据对所述样本原始图像的分解出的照度图得到的，所述样本融合图像是对所述样本反射图和所述样本照度图进行处理得到的。
[0035]可选地，所述照度增强模型的损失函数还包括：第三损失函数，所述第三损失函数以所述第一子模型输出的样本反射图在任何照度下保持不变为目标。
[0036]可选地，所述第三损失函数的值是按照以下步骤得到的：
[0037]通过所述第一子模型对所述样本原始图像进行处理，得到第一样本反射图；
[0038]通过所述第一子模型对所述第三子模型输出的样本照度增强后图像进行处理，得到第二样本反射图，所述样本照度增强后图像是所述第三子模型以所述样本反射图和增强后样本照度图的融合图像进行处理得到的，所述增强后样本照度图是对所述样本照度图进行增强得到的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：对原始图像进行预处理，得到初始照度图像；将所述原始图像和所述初始照度图像输入预先训练的照度增强模型，得到照度增强后图像，所述照度增强模型的模型参数是以样本标准图像为学习目标，基于样本初始照度图像，对样本原始图像进行照度增强的模型参数；其中，所述样本标准图像和所述样本原始图像为一对在不同照度下拍摄的相同内容的图像，所述样本标准图像是在标准照度下拍摄的，所述样本原始图像是在低于所述标准照度的低照度下拍摄的，所述样本初始照度图像是对所述样本原始图像进行所述预处理的结果。2.根据权利要求1所述的图像处理方法，其特征在于，将所述原始图像和所述初始照度图像输入预先训练的照度增强模型，得到照度增强后图像，包括：通过所述照度增强模型中的第一子模型对所述原始图像进行处理，得到反射图；通过所述照度增强模型中的第二子模型对所述初始照度图像进行处理，得到照度图；通过所述照度增强模型中的增强模块对所述照度图进行增强，得到增强后照度图；通过所述照度增强模型中的第三子模型对所述反射图和所述增强后照度图的融合图像进行处理，得到所述照度增强后图像。3.根据权利要求2所述的图像处理方法，其特征在于，所述照度增强模型的损失函数至少包括：第一损失函数，所述第一损失函数以所述第三子模型输出的样本照度增强后图像与所述样本标准图像相同为目标。4.根据权利要求3所述的图像处理方法，其特征在于，所述照度增强模型的损失函数还包括：第二损失函数，所述第二损失函数以所述第一子模型输出的样本反射图和所述第二子模型输出的样本照度图的样本融合图像的结构信息，与样本原始图像的结构信息相同为目标，所述样本反射图是根据对所述样本原始图像的分解出的反射图得到的，所述样本照度图...

【专利技术属性】
技术研发人员：吴凡，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：