【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体而言，涉及一种图像处理方法、装置、非易失性存储介质及电子设备。
技术介绍
1、当前在水下图像检测方面，水下成像将受到复杂的水下物理因素(例如吸收、散射等)的干扰，出现对比度低、光照不均匀以及细节模糊等问题。而现有的水下图像增强方法主要分为两类，一类是基于物理模型的方法，另一类是基于深度学习的方法。
2、其中，基于物理模型的方法需要先分析水下图像的退化机制，然后根据退化的过程建立合适的数学模型，最后利用生成的数学模型反演退化出清晰的水下图像。尽管目前基于物理模型的水下图像增强技术已经得到广泛的应用，但水下环境的复杂多变性导致了模型参数的估计困难，进而影响方法的精度和增强后的图像质量。同时，由于不同的水下环境所涉及的退化因素不尽相同，基于物理模型的增强方法需要建立不同的数学模型，这使得目前的技术具有明显的局限性。
3、而基于深度学习的方法是通过将水下图像到高质量图像的转化看作是一种映射关系，利用深度学习神经网络在水下图像和高质量图像之间学习这种映射变换。然而拍摄时所处水体环境的不同导致呈现出不同的特性，如不同的偏色、光照不均等，使得许多网络在学习过程中会存在着信息丢失的问题，导致增强后的图像在颜色均匀性、色彩对比度以及细节模糊等方面出现缺陷，难以生成高质量的水下图像。
4、针对上述水下图像优化效果差的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种图像处理方法、装置、非易失性存储介质及电
2、根据本专利技术实施例的一个方面，提供了一种图像处理方法，包括：获取使用色调通道、饱和度通道和亮度通道描述的第一预设图像；从所述第一预设图像中提取所述亮度通道的亮度图像，其中，所述亮度图像中包括：多个尺寸相同的明亮区域，所述明亮区域中像素点的亮度值高于预设亮度阈值；根据每个所述明亮区域中亮度最高的多个像素点的亮度平均值，确定所述明亮区域对应的噪声图像；使用所述噪声图像消除所述第一预设图像中对应的所述明亮区域的亮度噪声，得到亮度分布均匀的第二预设图像。
3、可选地，获取使用色调通道、饱和度通道和亮度通道描述的第一预设图像包括：获取使用红色通道、绿色通道和蓝色通道描述的第三预设图像；将所述第三预设图像转换为所述第一预设图像。
4、可选地，在使用所述噪声图像消除所述第一预设图像中对应的所述明亮区域的亮度噪声，得到亮度分布均匀的第二预设图像之后，所述方法还包括：将所述第二预设图像转换为使用红色通道、绿色通道和蓝色通道描述的第四预设图像；使用目标图像生成模型对所述第四预设图像进行颜色校正，得到第五预设图像，其中，所述目标图像生成模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：第一样本图像，和所述第一样本图像的退化图像，所述退化图像与所述第一样本图像存在颜色偏差。
5、可选地，使用图像生成模型对所述第四预设图像进行颜色校正，得到第五预设图像包括：使用所述图像生成模型中多个并行的特征提取支路分别对所述第四预设图像进行特征提取，得到多个第一图像特征，其中，多个所述特征提取支路中卷积核的尺寸不同；使用所述图像生成模型中的融合模块合并多个所述第一图像特征，得到每个所述第一图像特征对应的第二图像特征，其中，所述融合模块为基于密集残差块设计的；使用所述图像生成模型中的重建模块基于所述第二图像特征和对应的所述第一图像特征进行图像处理，得到所述第五预设图像。
6、可选地，使用重建模块基于所述第二图像特征和对应的所述第一图像特征进行图像处理，得到所述第五预设图像包括：使用所述重建模块中的瓶颈层将多个所述第二图像特征与对应的所述第一图像特征进行卷积，得到第六预设图像；使用所述重建模块中的双曲正切函数对所述第六预设图像中的像素点进行归一化处理，得到所述第五预设图像。
7、可选地，在使用图像生成模型对所述第四预设图像进行颜色校正，得到第五预设图像之前，所述方法还包括：使用预设图像生成模型对所述第一样本图像的退化图像进行颜色校正，得到第二样本图像，其中，所述预设图像生成模型为训练所述目标图像生成模型的初始模型；使用图像判别模型判断所述第二样本图像与所述第一样本图像是否存在差异，其中，所述图像判别模型包括：依次串联的第一卷积层、多个第二卷积层和第三卷积层，所述第一卷积层和所述第二卷积层使用带参数激活函数，所述带参数激活函数中的激活参数通过训练得到，每个所述第二卷积层后加入归一化层，所述第三卷积层后加入双曲正切函数进行归一化；在所述图像判别模型确定所述第二样本图像与所述第一样本图像存在差异的情况下，调整所述带参数激活函数中的激活参数和所述预设图像生成模型中的模型参数；在所述图像判别模型确定所述第二样本图像与所述第一样本图像不存在差异的情况下，将所述预设图像生成模型确定为所述目标图像生成模型。
8、可选地，在所述图像判别模型确定所述第二样本图像与所述第一样本图像存在差异的情况下，调整所述带参数激活函数中的激活参数和所述预设图像生成模型中的模型参数之前，所述方法还包括：获取对抗网络模型的条件对抗损失函数、绝对值损失函数和感知损失函数，其中，所述抗网络模型包括：所述预设图像生成模型，和与所述预设图像生成模型对抗的图像判别模型；将所述条件对抗损失函数、所述绝对值损失函数和所述感知损失函数进行线性叠加，得到所述抗网络模型的目标损失函数，其中，所述目标损失函数用于指导调整所述带参数激活函数中的激活参数和所述预设图像生成模型中的模型参数。
9、根据本专利技术实施例的另一方面，还提供了一种图像处理装置，包括：获取模块，用于获取使用色调通道、饱和度通道和亮度通道描述的第一预设图像；提取模块，用于从所述第一预设图像中提取所述亮度通道的亮度图像，其中，所述亮度图像中包括：多个尺寸相同的明亮区域，所述明亮区域中像素点的亮度值高于预设亮度阈值；确定模块，用于根据每个所述明亮区域中亮度最高的多个像素点的亮度平均值，确定所述明亮区域对应的噪声图像；消除模块，用于使用所述噪声图像消除所述第一预设图像中对应的所述明亮区域的亮度噪声，得到亮度分布均匀的第二预设图像。
10、根据本专利技术实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质用于存储程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述图像处理方法。
11、根据本专利技术实施例的另一方面，还提供了一种电子设备，包括：存储器和处理器，所述处理器用于运行存储在所述处理器中的程序，其中，所述程序运行时执行上述图像处理方法。
12、在本专利技术实施例中，获取使用色调通道、饱和度通道和亮度通道描述的第一预设图像；从第一预设图像中提取亮度通道的亮度图像，其中，亮度图像中包括：多个尺寸相同的明亮区域，明亮区域中像素点的亮度值高于预设亮度阈值；根据每个明亮区域中亮度最高的多个像素点的亮度平均值，确定明亮区域对应的噪声图像；使用噪声图像消除第一预设图像中对应本文档来自技高网...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取使用色调通道、饱和度通道和亮度通道描述的第一预设图像包括：
3.根据权利要求1所述的方法，其特征在于，在使用所述噪声图像消除所述第一预设图像中对应的所述明亮区域的亮度噪声，得到亮度分布均匀的第二预设图像之后，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，使用图像生成模型对所述第四预设图像进行颜色校正，得到第五预设图像包括：
5.根据权利要求4所述的方法，其特征在于，使用重建模块基于所述第二图像特征和对应的所述第一图像特征进行图像处理，得到所述第五预设图像包括：
6.根据权利要求3所述的方法，其特征在于，在使用图像生成模型对所述第四预设图像进行颜色校正，得到第五预设图像之前，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，在所述图像判别模型确定所述第二样本图像与所述第一样本图像存在差异的情况下，调整所述带参数激活函数中的激活参数和所述预设图像生成模型中的模型参数之前，所述方法还包括：
8
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质用于存储程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述图像处理方法。
10.一种电子设备，其特征在于，包括：存储器和处理器，所述处理器用于运行存储在所述处理器中的程序，其中，所述程序运行时执行权利要求1至7中任意一项所述图像处理方法。
...【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取使用色调通道、饱和度通道和亮度通道描述的第一预设图像包括：
3.根据权利要求1所述的方法，其特征在于，在使用所述噪声图像消除所述第一预设图像中对应的所述明亮区域的亮度噪声，得到亮度分布均匀的第二预设图像之后，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，使用图像生成模型对所述第四预设图像进行颜色校正，得到第五预设图像包括：
5.根据权利要求4所述的方法，其特征在于，使用重建模块基于所述第二图像特征和对应的所述第一图像特征进行图像处理，得到所述第五预设图像包括：
6.根据权利要求3所述的方法，其特征在于，在使用图像生成模型对所述第四...
【专利技术属性】
技术研发人员：华宇浩，张瑞聪，王新疆，
申请(专利权)人：中国电信股份有限公司，
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。