[發明專利]一種自適應的圖像引擎色彩優化方法、系統及存儲介質

在審

• 申請號: 202210362444.4
• 申請日: 2022-04-07
• 公開（公告）號: CN114742922A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 夏振平;張博文;宋玉;張躍淵;胡伏原
• 申請（專利權）人: 蘇州科技大學
• 主分類號: G06T11/40
• 分類號: G06T11/40;G06N3/04;G06N3/08
• 代理公司: 佛山粵進知識產權代理事務所(普通合伙) 44463
• 代理人: 耿鵬

本發明公開了一種自適應的圖像引擎色彩優化方法、系統及存儲介質，包括：從AVA數據集中獲取數據集中的目標圖像，對所述目標圖像使用退化算法得到原始圖像，將原始圖像和對應的目標圖像組合成圖像對構建初始數據集，通過NIMA模型分別對初始數據集中的目標圖像及原始圖像進行評分，根據評分對初始數據集進行調整生成最終數據集；基于全卷積神經網絡構建圖像引擎色彩優化模型，將最終數據集輸入圖像引擎色彩優化模型進行訓練，通過所述圖像引擎色彩優化模型實現圖像色彩優化。本發明中采用全卷積神經網絡融合了多種圖像優化算法，可以替代多種獨立算法組合而成的傳統算法，構建大規模數據集以增強網絡的泛化性能，防止過擬合。

技術領域

本發明涉及圖像處理技術領域，更具體的，涉及一種自適應的圖像引擎色彩優化方法、系統及存儲介質。

背景技術

視覺是人類獲取外界信息的重要渠道，顯示系統則是當今人們獲取視覺信息的主要途徑之一。隨著科學技術的不斷發展，人們對于顯示系統的成像質量要求越來越高。目前，顯示系統的成像質量不僅僅取決于顯示器的硬件質量，圖像增強引擎也是其中重要的一環。圖像增強引擎能夠運用圖像處理算法對圖像的灰度范圍、灰度變換程度等信息(特征)進行優化，這對于顯示設備的圖像質量優化具有重要意義。圖像色彩優化作為圖像引擎的核心功能之一，其對圖像引擎的性能起決定性作用。

傳統色彩優化算法一般由多種算法組合而成，每種算法實現單一的圖像優化。例如，直方圖均衡化算法可以使圖像亮度在顯示系統的成像范圍內更加均勻地分布，優化局部細節，在優化整體亮度過高或過低的圖像時有顯著效果；銳化算法主要用于補償圖像輪廓，增強局部對比度，使圖像邊緣變得清晰；均值濾波算法一般用于消除圖像獲取過程中因照明環境不佳或高溫引起的傳感器噪聲，因此傳統色彩優化算法若要追求較好的效果，需要根據圖像特征選取優化算法并由人工調整參數，很難自動完成圖像的最佳優化。此外，圖像可能存在多種缺陷，其無法針對具有多種特征的復雜圖像執行適宜的圖像優化操作。而目前提出的基于深度學習的相關算法需要較高的硬件成本和時間成本且缺少相對應的數據集，在實際應用中阻力較大。

發明內容

為了解決上述技術問題，本發明提出了一種自適應的圖像引擎色彩優化方法、系統及存儲介質。

本發明第一方面提供了一種自適應的圖像引擎色彩優化方法，包括：

從AVA數據集中獲取數據集中的目標圖像，對所述目標圖像使用退化算法得到原始圖像，將原始圖像和對應的目標圖像組合成圖像對構建初始數據集；

通過NIMA模型分別對初始數據集中的目標圖像及原始圖像進行評分，根據評分對初始數據集進行調整生成最終數據集；

基于全卷積神經網絡構建圖像引擎色彩優化模型，將所述最終數據集輸入圖像引擎色彩優化模型進行訓練，通過所述圖像引擎色彩優化模型實現圖像色彩優化。

本方案中，所述的從AVA數據集中獲取數據集中的目標圖像，對所述目標圖像使用退化算法得到原始圖像，將原始圖像和對應的目標圖像組合成圖像對構建初始數據集，具體為：

從AVA數據集中獲取數據集中的目標圖像，并創建目標圖像的副本，得到第一圖像對；

分別對第一圖像對中的圖像使用冪律變換，將一張圖像的亮度提升，另一張圖像的亮度降低，得到第二圖像對；

分別對所述第二圖像對中的圖像添加高斯模糊，得到第三圖像對；

分別對所述第三圖像對中的圖像添加高斯噪聲，得到第四圖像對；

將所述第四圖像對中的圖像分別和目標圖像組成一組圖像對，構成初始數據集。

本方案中，所述的通過NIMA模型分別對初始數據集中的目標圖像及原始圖像進行評分，根據評分對初始數據集進行調整，具體為：