用于倒车影像的图像增强方法及装置制造方法及图纸

本发明专利技术涉及图像处理领域，尤其涉及一种用于倒车影像的图像增强方法及装置，该方法包括从低分辨率深度图像中提取出所述低分辨率深度图像的浅层特征；通过若干级联的单级子网络依次对所述浅层特征进行处理；以第

【技术实现步骤摘要】
用于倒车影像的图像增强方法及装置


[0001]本专利技术涉及图像处理领域，尤其涉及一种用于倒车影像的图像增强方法及装置
。

技术介绍

[0002]在倒车影像是现代汽车安全辅助系统的重要组成部分，旨在帮助驾驶员识别车辆周围的障碍物，避免碰撞和刮擦
。
然而，有时候倒车影像的像素质量会很低，这会给驾驶带来一些不必要的麻烦
。
倒车影像的图像清晰度对于很多高级视觉理解任务来说尤为重要，一旦图像中存在大量的模糊和伪影，将极大的影响计算机对于图片的理解，阻碍了信息的有效传递
。
[0003]公开号为
CN112862688A
的专利文献公开了一种基于跨尺度注意力网络的图像超分辨率重建模型，包括浅层特征提取模块
、
多尺度残差模块和重建模块；浅层特征提取模块用于提取低分辨率图像的浅层特征；多尺度残差模块包括若干个级联的高阶跨尺度注意力组
、
一个特征融合模块和一个全局残差加法器；高阶跨尺度注意力组与特征融合模块以级联方式连接，同时各个高阶跨尺度注意力组以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于倒车影像的图像增强方法，其特征在于，包括：从低分辨率深度图像中提取出所述低分辨率深度图像的浅层特征；通过若干级联的单级子网络依次对所述浅层特征进行处理；以第
u
级单级子网络的输出深层特征作为重建模块的输入，以构建高分辨率倒车影像图像
。2.
根据权利要求1所述的用于倒车影像的图像增强方法，其特征在于，从低分辨率深度图像中提取出所述低分辨率深度图像的浅层特征包括：使用
CONV
卷积层从低分辨率深度图像
D
lr
中提取浅层特征
F0，公式表示为：
F0＝
f
SF
(D
lr
)
其中，
f
SF
表示浅层特征提取函数
。3.
根据权利要求2所述的用于倒车影像的图像增强方法，其特征在于，通过若干级联的单级子网络依次对所述浅层特征进行处理包括：设置三个单级子网络，分别设定为第一子网络
、
第二子网络和第三子网络；所述第一子网络接收所述浅层特征
F0，并设定所述第一子网络输出的深层特征为第一深层增强特征为所述第二子网络的输入特征为所述第一深层特征
F
D,1
，所述第二子网络的输出特征为第二深层增强特征所述第三子网络的输入特征为所述第二深层特征
F
D,2
，所述第三子网络的输出特征为第三深层增强特征
4.
根据权利要求3所述的用于倒车影像的图像增强方法，其特征在于，每个所述单级子网络的结构相同，任意单级子网络包括一个残差网络块和一个上采样层；所述残差网络块与所述上采样层连接，所述残差网络块的输出为所述上采样层的输入；所述残差网络块用以提取深层特征；所述上采样层用以增强所述深层特征的分辨率；所述第一单级子网络对应的为第一残差网络块，所述第二单级子网络对应的为第二残差网络块，所述第三单级子网络对应的为第三残差网络块
。5.
根据权利要求4所述的用于倒车影像的图像增强方法，其特征在于，所述第
i
残差网络块包括
G
i
个串联的三层残差块和末端两个
CONV
层，单个三层残差块采用全局残差学习，表示为：
f
gs,i
表示
G
i
个三层残差以及末端两个
CONV
层的合成函数，为了促进网络内部的信息流通，使用密集跳连连接残差组，第
g(g
＝1，
··
,G
i
)
个残差组首先使用
1*1CONV
层，将前
g
‑1个三层残差组通过密集跳连传递的特征进行融合，然后再使用多个三层残差块提取特征
。6.
根据权利要求5所述的用于倒车影像的图像增强方法，其特征在于，所述三层残差块包括两个基本残差块和一个宽激活残差块，令
x
和
z
分别表示三...

【专利技术属性】
技术研发人员：董昊，刘朝阳，吴明哲，蔡旭，徐雷，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：