[發明專利]圖像增強模型訓練方法、裝置、電子設備及可讀存儲介質

有效

• 申請號: 201810821282.X
• 申請日: 2018-07-24
• 公開（公告）號: CN109102483B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 周銘柯;李志陽;張偉;李啟東;呂仰銘
• 申請（專利權）人: 廈門美圖之家科技有限公司
• 主分類號: G06T5/50
• 分類號: 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: 唐維虎

本申請實施例提供的圖像增強模型訓練方法、裝置、電子設備及可讀存儲介質，其中，該方法包括，將初始圖像輸入卷積神經網絡；從卷積神經網絡中提取高層抽象局部特征；將高層抽象局部特征進行縮減處理得到高層抽象全局特征；將高層抽象局部特征與高層抽象全局特征進行融合，得到高層抽象綜合特征；將高層抽象綜合特征進行反卷積處理，得到輸出圖像；基于輸出圖像和目標圖像，及預設的損失函數方案進行訓練，得到訓練后的圖像增強模型。上述方法融合了圖像的高層抽象局部特征和高層抽象全局特征，可以較好的結合圖像的所有信息進行學習，保證圖像增強模型輸出的圖像能更好的逼近目標圖像，提升采用該圖像增強模型輸出的圖像的增強效果。

技術領域

本申請涉及圖像處理技術領域，具體而言，涉及一種圖像增強模型訓練方法、裝置、電子設備及可讀存儲介質。

背景技術

圖像增強是一種提升圖像視覺效果的方法，通常來說，圖像增強的方式包括調整圖像的亮暗、飽和度和對比度。當前，互聯網傳播的大量圖片的視覺效果都不夠好，互聯網用戶很難找到內容好的且圖像色彩效果也好的圖片。目前，手機拍照已成了大部分人記錄生活的一種方式，然而手機拍出來的照片很難滿足更高的視覺需求。基于這兩個原因來說，圖像增強具有一個廣泛應用場景。

當前，大部分圖像增強算法都才采用傳統方法，用固定的參數值分別調整各個通道的像素值，甚至用固定的參數來調整3個通道的像素值。這類方法效果單一，容易出現效果不自然、色塊等問題。小部分圖像增強算法直接利用CNN來改善增強效果，雖然在某些方面優于傳統算法，但這類方法基本屬于全卷積的pix2pix，受限于感受視野的大小，這類模型卷積過程學到的特征屬于局部特征，整個模型只能學到目標圖像的部分特性，難以學到全面信息，增強效果較為普通。

發明內容

本申請的實施例描述一種圖像增強模型訓練方法、裝置、電子設備及可讀存儲介質。

第一方面，本申請的實施例提供一種圖像增強模型訓練方法，所述方法包括：

將初始圖像輸入Unet卷積神經網絡；

從所述Unet卷積神經網絡中提取所述初始圖像經過卷積處理后的高層抽象局部特征；

將所述高層抽象局部特征進行縮減處理得到所述初始圖像的高層抽象全局特征；

將所述初始圖像的高層抽象局部特征與高層抽象全局特征進行融合，得到所述初始圖像的高層抽象綜合特征；

將所述高層抽象綜合特征在所述Unet卷積神經網絡中進行反卷積處理，得到輸出圖像；

基于所述輸出圖像和目標圖像，及預設的損失函數方案對所述Unet卷積神經網絡進行訓練，得到訓練后的圖像增強模型。

可選地，在本實施例中，將所述高層抽象局部特征進行縮減處理得到所述初始圖像的高層抽象全局特征，包括：

縮小高層抽象局部特征對應特征圖像的尺寸，得到所述初始圖像的高層抽象全局特征。

可選地，在本實施例中，所述基于所述輸出圖像和目標圖像，及預設的損失函數方案對所述Unet卷積神經網絡進行訓練，以得到訓練后的圖像增強模型，包括：

基于所述輸出圖像和目標圖像，及預設權重比例的L1_loss損失函數和Vgg_loss損失函數對所述Unet卷積神經網絡進行訓練，得到模型參數，完成圖像增強模型的訓練。

可選地，在本實施例中，所述方法還包括

接收輸入的待增強圖像；

采用訓練好的所述圖像增強模型對所述待增強圖像進行圖像增強，得到增強后的圖像。

第二方面，本申請的實施例提供一種圖像增強模型訓練裝置，所述裝置包括：