[發明專利]一種圖像處理方法、裝置及終端設備

在審

• 申請號: 201811646714.4
• 申請日: 2018-12-29
• 公開（公告）號: CN111382772A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 廖秋萍
• 申請（專利權）人: TCL集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

本發明適用于圖像處理技術領域，提供了一種圖像處理方法、裝置及終端設備，通過利用第一損失函數對基礎神經網絡模型進行訓練，得到第一神經網絡模型，再利用第二損失函數對所述第一神經網絡模型進行訓練，得到第二神經網絡模型，然后將待處理圖像輸入所述第二神經網絡模型進行處理后，生成所述待處理圖像對應的目標圖像，通過第一損失函數和第二損失函數的雙重作用，使得最終得到的第二神經網絡模型能夠輸出更為清晰和更多紋理細節的暗光圖像，使得人們主觀視覺體驗更佳。

技術領域

本發明屬于圖像處理技術領域，尤其涉及一種圖像處理方法、裝置及終端設備。

背景技術

在暗光條件下，利用傳統的拍攝成像技術，很難快速拍攝出清晰的圖像。為了解決單幀暗光圖像復原問題，當下存在多方面的研究，目前最流行最有效的方法是基于深度學習的方法。

雖然按目前基于深度學習的圖像處理模型在一定程度上提高了暗光圖像的畫面品質，但由于模型影響因素考慮的局限性，復原出來的圖像通常較為平滑，圖像比較模糊，存在較大程度的失真，主觀視覺體驗不佳。

發明內容

有鑒于此，本發明實施例提供了一種圖像處理方法、裝置及終端設備，以解決現有暗光圖像存在失真，主觀視覺體驗不佳的問題。

本發明實施例的第一方面提供了一種圖像處理方法，包括：

利用第一損失函數對基礎神經網絡模型進行訓練，得到第一神經網絡模型；

利用第二損失函數對所述第一神經網絡模型進行訓練，得到第二神經網絡模型；

將待處理圖像輸入所述第二神經網絡模型進行處理后，生成所述待處理圖像對應的目標圖像。

本發明實施例的第二方面提供了一種圖像處理裝置，包括：

第一訓練單元，用于利用第一損失函數對基礎神經網絡模型進行訓練，得到第一神經網絡模型；

第二訓練單元，用于利用第二損失函數對所述第一神經網絡模型進行訓練，得到第二神經網絡模型；

圖像處理單元，用于將待處理圖像輸入所述第二神經網絡模型進行處理后，生成所述待處理圖像對應的目標圖像。

本發明實施例的第三方面提供了一種終端設備，包括：

存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其中，所述處理器執行所述計算機程序時實現本發明實施例的第一方面提供的圖像處理方法的步驟。

其中，所述計算機程序包括：

第一訓練單元，用于利用第一損失函數對基礎神經網絡模型進行訓練，得到第一神經網絡模型；

第二訓練單元，用于利用第二損失函數對所述第一神經網絡模型進行訓練，得到第二神經網絡模型；

圖像處理單元，用于將待處理圖像輸入所述第二神經網絡模型進行處理后，生成所述待處理圖像對應的目標圖像。

本發明實施例的第四方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其中，所述計算機程序被處理器執行時實現本發明實施例的第一方面提供的圖像處理方法的步驟。

其中，所述計算機程序包括：

第一訓練單元，用于利用第一損失函數對基礎神經網絡模型進行訓練，得到第一神經網絡模型；

第二訓練單元，用于利用第二損失函數對所述第一神經網絡模型進行訓練，得到第二神經網絡模型；

圖像處理單元，用于將待處理圖像輸入所述第二神經網絡模型進行處理后，生成所述待處理圖像對應的目標圖像。