申請/專利權人：福建億榕信息技術有限公司;國網信息通信產業集團有限公司;中科方寸知微(南京)科技有限公司

申請日：2022-10-20

公開（公告）日：2023-03-17

公開（公告）號：CN115358952B

主分類號：G06T5/00

分類號：G06T5/00;G06T7/10;G06V10/764;G06V10/774

優先權：

專利狀態碼：有效-授權

法律狀態：2023.03.17#授權;2022.12.06#實質審查的生效;2022.11.18#公開

摘要：本發明涉及一種基于元學習的圖像增強方法、系統、設備和存儲介質，其中方法包括以下步驟：獲取一原始圖像并進行灰度化處理，從處理后的圖像中隨機捕獲圖像塊，根據圖像特征對捕獲到的圖像塊進行分類，并將分類后的圖像塊放入至元訓練數據集中；構建基于多級編解碼結構的元學習網絡；隨機抽樣元訓練數據集中不同類別的圖像塊輸入至元學習網絡中，輸出增強圖像，計算對應的增強圖像與圖像塊之間的曝光誤差和像素相鄰誤差，以計算出的曝光誤差和像素相鄰誤差最小為目標對元學習網絡進行迭代訓練，直至達到迭代結束條件，得到訓練好的圖像增強網絡；將訓練好的圖像增強網絡用于低照度圖像的圖像增強。

主權項：1.一種基于元學習的圖像增強方法，其特征在于，包括以下步驟：獲取一原始圖像并進行灰度化處理，從處理后的圖像中隨機捕獲圖像塊，根據圖像特征對捕獲到的圖像塊進行分類，并將分類后的圖像塊放入至元訓練數據集中；構建基于多級編解碼結構的元學習網絡；隨機抽樣元訓練數據集中不同類別的圖像塊輸入至元學習網絡中，輸出增強圖像，計算對應的增強圖像與圖像塊之間的曝光誤差和像素相鄰誤差，以計算出的曝光誤差和像素相鄰誤差最小為目標對元學習網絡進行迭代訓練，直至達到迭代結束條件，得到訓練好的圖像增強網絡；將訓練好的圖像增強網絡用于低照度圖像的圖像增強；其中，所述從處理后的圖像中隨機捕獲圖像塊，根據圖像特征對捕獲到的圖像塊進行分類，并將分類后的圖像塊放入至元訓練數據集中的方法具體為：以預設的窗口大小，在處理后的圖像中隨機進行采樣N次，得到N個圖像塊；計算每一圖像塊的灰度均值，根據每一圖像塊的灰度均值將各圖像塊劃分為256個類別；以Z為間隔，從256個類別中挑選采樣類別，分別從挑選出的各個采樣類別中采樣出相同數量的圖像塊，并將采樣出的圖像塊放入至元訓練數據集中，元訓練數據集包括元訓練集和元測試集，將每一采樣類別的圖像塊按照比例分別劃分至元訓練集和元測試集中；其中，所述基于多級編解碼結構的元學習網絡包括：第一級編解碼結構，包括一卷積層，用于對輸入的圖像進行特征提取，獲取特征圖；連接于第一級編解碼結構輸出端的第二級編解碼結構，包括殘差模塊和注意力模塊，所述殘差模塊用于提取輸入的特征圖的高頻信息，所述注意力模塊用于從特征圖中通過注意力機制提取注意力特征圖；連接于第二級編解碼結構輸出端的第三級編解碼結構，所述第三級編解碼結構的結構與第二級編解碼結構相同；其中，在所述計算對應的增強圖像與圖像塊之間的曝光誤差和像素相鄰誤差的步驟中，所述曝光誤差具體通過以下公式計算： 其中，M表示大小為16×16的不重疊局部區域的數量，是增強圖像中局部區域m的平均灰度值，E為設定的經驗常數；所述像素相鄰誤差具體通過以下公式計算： 其中，K表示局部區域的數量，表示以局部區域i為中心的四個相鄰的局部區域，其中局部區域的大小均為4×4，表示增強圖像在局部區域i的平均灰度值，表示輸入的圖像塊在局部區域i的平均灰度值，j的平均灰度值，表示輸入的圖像塊在相鄰的局部區域j的平均灰度值。

全文數據：

權利要求：

百度查詢： 福建億榕信息技術有限公司;國網信息通信產業集團有限公司;中科方寸知微(南京)科技有限公司 一種基于元學習的圖像增強方法、系統、設備和存儲介質

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息，力求客觀、公正，但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解，僅供參考使用，不能作為本公司承擔任何法律責任的依據或者憑證。

閱讀全文 雙屏查看 官方信息 專利公告 收藏專利 下載PDF 下載WORD