[发明专利]图像增强方法、装置、终端设备及存储介质

说明书

本发明公开了一种图像增强方法，涉及人工神经网络领域，该方法包括步骤：获取原始图像；将所述原始图像输入预先得到的图像增强网络，对所述原始图像进行逐级增强，得到所述原始图像对应的增强图像；其中，所述图像增强网络包括至少两级子网络，所述原始图像作为所述图像增强网络的首级子网络的输入，所述首级子网络输出首级节点图像，每一级子网络输出的节点图像作为下一级子网络的输入，所述图像增强网络的末级子网络输出末级节点图像，所述末级节点图像作为所述增强图像。本发明提供的图像增强方法，能有效提高图像增强运算的收敛性，减少图像增强所需的运算量，提高图像增强的运算效率和稳定性。

技术领域

本发明涉及人工神经网络领域，尤其涉及一种图像增强方法、装置、终端设备及存储介质。

背景技术

图像增强是对图像视觉效果的增强，包括对图像的清晰度、分辨率和信噪比等的提升。图像增强往往需要从原始图像中提取特征，以实现对原始图像的增强，因此，基于特征对图像进行处理的神经网络成为图像增强中不可或缺的工具。

在现有技术中，通常是将原始图像输入单级的卷积神经网络，由所述单级的卷积神经网络直接计算原始图像对应的增强图像，并输出所述增强图像。

但是在实现本发明的过程中，发明人发现，由于现有技术采用基于原始图像直接计算对应的增强图像的图像增强方法，由于收敛性较差，在进行图像增强运算时，往往需要极大的运算量，还伴随着稳定性差的不良后果，尤其在进行较大跨度的图像增强任务时，由于运算量大，导致耗时较长，而且同一方法对同一图像的多次增强还可能出现不同的结果。

发明内容

本发明实施例的目的是提供一种图像增强方法，能有效提高图像增强运算的收敛性，减少图像增强所需的运算量，提高图像增强的运算效率和稳定性。

为实现上述目的，本发明实施例提供了一种图像增强方法，包括步骤：

获取原始图像；

将所述原始图像输入预先得到的图像增强网络，对所述原始图像进行逐级增强，得到所述原始图像对应的增强图像；其中，所述图像增强网络包括至少两级子网络，所述原始图像作为所述图像增强网络的首级子网络的输入，所述首级子网络输出首级节点图像，每一级子网络输出的节点图像作为下一级子网络的输入，所述图像增强网络的末级子网络输出末级节点图像，所述末级节点图像作为所述增强图像。

与现有技术相比，本发明实施例公开的一种图像增强方法，通过预先得到的图像增强网络对原始图像进行逐级增强，由所述图像增强网络的首级子网络对所述原始图像进行首级图像增强，以获得首级节点图像，并由后续的各级子网络依次对上一级子网络获得的节点图像进行图像增强，从所述末级子网络的输出获得末级节点图像，以所述末级节点图像作为所述原始图像对应的增强图像，并将所述增强图像保存或输出。由于对所述原始图像的图像增强过程进行拆分，以逐级进行的方式对所述原始图像进行图像增强，解决了现有技术中由于单级图像增强而导致的图像增强能力较弱、运算量大和稳定性差的问题，提高了图像增强运算的收敛性，减少了图像增强所需的运算量，提高图像增强的运算效率和稳定性。

作为上述方案的改进，所述图像增强网络为全卷积网络，并且在所述多级子网络中，不同级次的子网络具有不完全相同的网络参数。

作为上述方案的改进，通过如下步骤预先得到所述图像增强网络：

获取原始图像样本和对应的增强图像样本；

根据所述原始图像样本和所述增强图像样本，生成多级节点图像样本；其中所述多级节点图像样本的级数比所述子网络的级数少一；