[發(fā)明專利]一種圖像增強方法、裝置、存儲介質及設備

在審

• 申請?zhí)枺?/td>: 202011156763.7
• 申請日: 2020-10-26
• 公開（公告）號: CN112465709A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設計）人: 李勇;汪濤;宋風龍
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 常忠良

本申請涉及人工智能技術領域，公開了一種圖像增強方法、裝置、存儲介質及設備，包括：首先對獲取的待增強的目標圖像進行初步增強，得到第一增強圖像，然后利用預先構建的圖像增強模型中的場景分類模塊，對目標圖像或第一增強圖像進行識別，得到干預偏置，接著，利用干預偏置和模型包含的預設精調曲線映射函數(shù)，對第一增強圖像進行調節(jié)，得到第二增強圖像，進而再利用模型中的多注意力學習模塊，對目標圖像的注意力圖像進行提取，得到第三增強圖像，最后，將第二增強圖像和第三增強圖像進行融合，確定出目標圖像的最終增強結果。從而通過在對目標圖像進行增強過程中增加場景差異化和多注意力區(qū)域差異化的增強步驟，提升增強效果和模型部署效率。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種圖像增強方法、裝置、存儲介質及設備。

背景技術

隨著移動互聯(lián)網和人工智能(artificial intelligence，AI)技術的快速發(fā)展，對于圖像的高清顯示，已成為了幾乎所有終端設備的必備能力。比如，手機、平板電腦等都已經具備了實現(xiàn)圖像增強的AI增強系統(tǒng)。其中，圖像增強是一種提升圖像視覺效果的方法。通常來說，圖像增強是指調整圖像的亮暗、飽和度和對比度，從而使得增強后的圖像內容和圖像色彩都較佳，以滿足用戶的視覺需求。

目前常用的圖像增強方法是基于深度學習的圖像增強方法，但該方法的實現(xiàn)依賴于大量的訓練數(shù)據(jù)。這是因為現(xiàn)有的深度卷積神經網絡需要經過訓練之后才能確定模型參數(shù)，而無法根據(jù)具體場景對參數(shù)做適當?shù)恼{節(jié)。在面對需求變化時，即使是小幅度的變化，例如僅僅是增加圖像暗處亮度的幅度，都需要重新調整訓練數(shù)據(jù)和損失函數(shù)，以重新訓練模型。一方面，重新訓練模型的時間代價較高，另一方面，調整訓練數(shù)據(jù)或損失函數(shù)的幅度與最終增強效果的提升幅度之間也無法做到準確一致，即，無法確保在調整了訓練數(shù)據(jù)或損失函數(shù)的幅度后，就必然能夠準確調整增強效果。

發(fā)明內容

本申請實施例提供了一種圖像增強方法、裝置、存儲介質及設備，有助于克服現(xiàn)有圖像增強方法的缺點，在圖像增強過程中，增加了場景差異化和多注意力區(qū)域差異化的圖像增強調節(jié)能力，從而能夠提升圖像增強效果和模型部署效率。

第一方面，本申請?zhí)峁┝艘环N圖像增強方法，該方法包括：首先獲取待增強的目標圖像，并對目標圖像進行初步增強，得到第一增強圖像，然后，利用預先構建的圖像增強模型中的場景分類模塊，對目標圖像或第一增強圖像進行識別，結合干預查找表得到干預偏置，接著，利用干預偏置，以及圖像增強模型中的精調曲線映射函數(shù)模塊包含的預設精調曲線映射函數(shù)，對第一增強圖像進行調節(jié)，得到第二增強圖像，進而再利用圖像增強模型中的多注意力學習模塊，基于注意力機制，對目標圖像的注意力圖像進行提取，得到第三增強圖像，最后，可以將第二增強圖像和第三增強圖像進行融合，確定出待增強的目標圖像的最終增強結果。

與傳統(tǒng)技術相比，由于本申請實施例在對目標圖像進行增強過程中，增加了場景差異化和多注意力區(qū)域差異化的圖像增強調節(jié)處理步驟，從而能夠提升目標圖像增強的效果和模型部署效率。

一種可能的實現(xiàn)方式中，圖像增強模型還包括曲線參數(shù)學習模塊，該方法還包括：利用曲線參數(shù)學習模塊對目標圖像進行學習處理，得到學習偏置；則利用干預偏置，以及圖像增強模型中的精調曲線映射函數(shù)模塊包含的預設精調曲線映射函數(shù)，對第一增強圖像進行調節(jié)，得到第二增強圖像，包括：利用干預偏置和學習偏置，以及圖像增強模型中的精調曲線映射函數(shù)模塊包含的預設精調曲線映射函數(shù)，對第一增強圖像進行調節(jié)，得到第二增強圖像，從而能夠提高第二增強圖像的增強效果。

一種可能的實現(xiàn)方式中，按照下述方式構建圖像增強模型：獲取樣本圖像；利用樣本圖像，對預先構建的初始圖像增強模型進行訓練，得到圖像增強模型；其中，初始圖像增強模型包括場景分類模塊、精調曲線映射函數(shù)模塊、多注意力模塊；場景分類模塊用于根據(jù)輸入圖像得到干預偏置，精調曲線映射函數(shù)模塊用于根據(jù)干預偏置調節(jié)輸入圖像，多注意力模塊用于提取原始圖像對應的多注意力圖。