[发明专利]模型训练、图像增强方法和装置、电子设备及存储介质

权利要求书

1.一种图像增强模型训练方法，其特征在于，包括：

对第一图像和第二图像分别进行金字塔分解处理，得到多级第一子带图像和多级第二子带图像，其中，该第一图像和该第二图像基于相同图像内容形成，且具有不同的图像细节；

基于每一级第一子带图像与第二子带图像之间的图像损失值和预设的多个权重系数，计算得到图像损失总值，其中，在所述多个权重系数中至少存在两个不同的权重系数；

基于所述图像损失总值对目标神经网络进行参数更新处理，得到图像增强模型，其中，该图像增强模型用于对目标图像的细节进行增强处理。

2.根据权利要求1所述的图像增强模型训练方法，其特征在于，所述基于每一级第一子带图像与第二子带图像之间的图像损失值和预设的多个权重系数，计算得到图像损失总值的步骤，包括：

针对每一级第一子带图像和第二子带图像，确定该级第一子带图像和第二子带图像之间的图像损失值，得到多级图像损失值；

基于多级所述图像损失值和预设的多级层级权重系数，得到图像损失总值，其中，多级所述层级权重系数中至少存在两级不同的层级权重系数。

3.根据权利要求2所述的图像增强模型训练方法，其特征在于，所述基于多级所述图像损失值和预设的多级层级权重系数，得到图像损失总值的步骤，包括：

针对每一级所述图像损失值，获得该级图像损失值对应的层级权重系数，其中，每一级所述图像损失值对应的层级权重系数不同；

基于多级所述层级权重系数和多级所述图像损失值，进行加权求和计算处理，得到图像损失总值。

4.根据权利要求3所述的图像增强模型训练方法，其特征在于，所述针对每一级所述图像损失值，获得该级图像损失值对应的层级权重系数的步骤，包括：

针对每一级所述图像损失值，获得该级图像损失值对应的子带图像所属的金字塔层级；

针对每一级所述图像损失值，基于该级图像损失值对应的金字塔层级和预设的对应函数关系，确定该级图像损失值的层级权重系数，其中，在该对应函数关系中，所述层级权重系数随着所述金字塔层级的增加而减小。

5.根据权利要求4所述的图像增强模型训练方法，其特征在于，所述对应函数关系，包括：

WO＝2^1-i；

其中，WO为所述层级权重系数，i为所述金字塔层级。

6.根据权利要求2-5任意一项所述的图像增强模型训练方法，其特征在于，每一级所述第一子带图像包括第一细节子带图像和第一近似子带图像，每一级所述第二子带图像包括第二细节子带图像和第二近似子带图像；

所述针对每一级第一子带图像和第二子带图像，确定该级第一子带图像和第二子带图像之间的图像损失值的步骤，包括：

针对每一级第一细节子带图像和第二细节子带图像，确定该级第一细节子带图像和第二细节子带图像之间的细节损失值，其中，所述第一细节子带图像和所述第二细节子带图像分别基于对所述第一图像和所述第二图像进行拉普拉斯金字塔分解处理得到；

针对每一级第一近似子带图像和第二近似子带图像，确定该级第一近似子带图像和第二近似子带图像之间的近似损失值，其中，所述第一近似子带图像和所述第二近似子带图像分别基于对所述第一图像和所述第二图像进行高斯金字塔分解处理得到；

针对每一级第一子带图像和第二子带图像，基于该级第一子带图像和第二子带图像之间的细节损失值和近似损失值，得到该级第一子带图像和第二子带图像之间的图像损失值。

7.根据权利要求6所述的图像增强模型训练方法，其特征在于，所述针对每一级第一子带图像和第二子带图像，基于该级第一子带图像和第二子带图像之间的细节损失值和近似损失值，得到该级第一子带图像和第二子带图像之间的图像损失值的步骤，包括：

针对每一级第一子带图像和第二子带图像之间的细节损失值和近似损失值，分别获得对应的细节权重系数和近似权重系数；

针对每一级第一子带图像和第二子带图像，基于对应的细节损失值、近似损失、细节权重系数、近似权重系数，加权计算得到该级第一子带图像和第二子带图像之间的图像损失值。