[發明專利]圖像增強方法及裝置

有效

• 申請號: 201810680663.0
• 申請日: 2018-06-27
• 公開（公告）號: CN108830816B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 周銘柯;李志陽;李啟東;張偉;許清泉
• 申請（專利權）人: 廈門美圖之家科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王文紅

1.一種圖像增強方法，其特征在于，應用于電子設備，所述方法包括：

獲取訓練樣本集，所述訓練樣本集包括多個原始圖像樣本和對應的增強圖像樣本；

基于所述訓練樣本集對預先構建的CNN圖像增強網絡進行迭代訓練，并在訓練過程中更新所述CNN圖像增強網絡的網絡參數；

判斷所述CNN圖像增強網絡是否達到訓練收斂條件，在達到訓練收斂條件時，輸出對應的圖像增強模型，以基于所述圖像增強模型對輸入的圖像進行圖像增強；

所述獲取訓練樣本集的步驟，包括：

獲取各種場景下的多個原始圖像樣本；

響應用戶操作，對每個所述原始圖像樣本的圖像參數進行圖像增強，生成圖像增強后的增強圖像樣本；

所述基于所述訓練樣本集對預先構建的CNN圖像增強網絡進行迭代訓練，并在訓練過程中更新所述CNN圖像增強網絡的網絡參數的步驟，包括：

對所述訓練樣本集進行圖像處理，得到預設數量個目標尺寸的原始圖像和對應的增強圖像；

將所述預設數量個目標尺寸的原始圖像輸入到預先構建的CNN圖像增強網絡中，得到與各個原始圖像對應的輸出圖像；

計算輸出圖像和增強圖像之間的loss值；

基于所述loss值對所述CNN圖像增強網絡進行訓練，并在訓練過程中更新所述CNN圖像增強網絡的網絡參數。

2.根據權利要求1所述的圖像增強方法，其特征在于，在所述基于所述訓練樣本集對預先構建的CNN圖像增強網絡進行迭代訓練，并在訓練過程中更新所述CNN圖像增強網絡的網絡參數的步驟之前，所述方法還包括：

構建所述CNN圖像增強網絡；

所述構建所述CNN圖像增強網絡的方式，包括：

構建輸入層、輸出層以及位于所述輸入層和所述輸出層之間的多層卷積層以及多層反卷積層，其中，所述輸入層用于輸入訓練樣本集，所述卷積層用于對訓練樣本進行卷積操作，所述反卷積層用于對訓練樣本進行反卷積操作；

在所述多層卷積層以及多層反卷積層之間構建對稱連接層，其中，所述多層卷積層的層數和所述多層反卷積層的層數相同，且所述多層卷積層和所述多層反卷積層相對于所述對稱連接層對稱。

3.根據權利要求1所述的圖像增強方法，其特征在于，所述對所述訓練樣本集進行圖像處理，得到預設數量個目標尺寸的原始圖像和對應的增強圖像的步驟，包括：

從所述訓練樣本集中選取預設數量個原始圖像樣本和對應的預設數量個增強圖像樣本；

針對選取出的每個原始圖像樣本和對應的預設數量個增強圖像樣本，在該原始圖像樣本和對應的增強圖像樣本中的相同位置處隨機裁剪目標尺寸的圖像，以得到預設數量個目標尺寸的原始圖像和對應的增強圖像。

4.根據權利要求1所述的圖像增強方法，其特征在于，所述計算輸出圖像和增強圖像之間的loss值的步驟，包括：

分別計算所述輸出圖像和增強圖像之間的color_loss值、vgg_loss值以及texture_loss值；

基于所述color_loss值、所述vgg_loss值以及所述texture_loss值的權重分別對所述color_loss值、所述vgg_loss值以及所述texture_loss值進行數據處理，得到輸出圖像和增強圖像之間的loss值。

5.根據權利要求4所述的圖像增強方法，其特征在于，所述分別計算所述輸出圖像和增強圖像之間的color_loss值、vgg_loss值以及texture_loss值的步驟，包括：

利用均值模糊方法對所述輸出圖像和所述增強圖像進行模糊處理，并計算模糊處理后的輸出圖像和增強圖像的均值誤差值，得到color_loss值；

將所述輸出圖像和所述增強圖像經過所述CNN圖像增強網絡在同一個層輸出的特征圖進行誤差計算，得到vgg_loss值；

分別獲取所述輸出圖像的灰度圖和所述增強圖像的灰度圖，并對所述輸出圖像的灰度圖和所述增強圖像的灰度圖進行誤差計算，得到texture_loss值。