[发明专利]基于可逆神经网络的图像增强方法、装置、设备及介质

说明书

本发明公开了一种基于可逆神经网络的图像增强方法、装置、设备及介质，获取初始图像，基于所述初始图像构建样本数据集，所述样本数据集包含初始图像、增强图像与噪声图像，所述初始图像与所述增强图像之间的差为增强信息；基于所述样本数据集对预设可逆神经网络进行训练，以学习所述样本数据集中初始图像、噪声图像与所述增强信息之间的映射关系，得到目标可逆神经网络；根据所述目标可逆神经网络所学习的所述映射关系对待处理图像进行处理，生成增强图像。本发明通过预设可逆神经网络学习初始图像、噪声图像与增强信息之间的映射关系，再由学习得到的目标可逆神经网络对待处理图像进行图像增强，有效提高当前图像增强的可用性。

技术领域

本发明涉及处理技术领域，尤其涉及一种基于可逆神经网络的图像增强方法、装置、设备及介质。

背景技术

图像增强是增强图像中的有用信息，改善图像的视觉效果。传统的图像增强方法主要是人为设计一些滤波器对图像进滤波来提升图像的质量，其中最为典型的是双边滤波器和引导滤波。前者根据图像的边缘强弱决定滤波的程度进而实现去噪保边的功能；后者利用引导图像指明边缘的位置实现保边滤波的功能。人工设计滤波器需要非常丰富的经验，而且只能针对特定的场景有效果。其次，现有基于深度学习的图像增强方法，直接学习原始图像(低质图像)到增强图像(高质图像)的映射关系，其本质是对数据的拟合，并没有真正挖掘出低质图像到高质图像的变化关系，导致当前图像增强的可用性较低。

发明内容

本发明的主要目的在于提供一种基于可逆神经网络的图像增强方法、装置、设备及介质，旨在解决当前图像增强的可用性较低的技术问题。

为实现上述目的，本发明实施例提供一种基于可逆神经网络的图像增强方法，所述基于可逆神经网络的图像增强方法包括：

获取初始图像，基于所述初始图像构建样本数据集，所述样本数据集包含初始图像、增强图像与噪声图像，所述初始图像与所述增强图像之间的差为增强信息；

基于所述样本数据集对预设可逆神经网络进行训练，以学习所述样本数据集中初始图像、噪声图像与所述增强信息之间的映射关系，得到目标可逆神经网络；

根据所述目标可逆神经网络所学习的所述映射关系对待处理图像进行处理，生成增强图像。

优选地，所述基于所述样本数据集对预设可逆神经网络进行训练，以学习所述样本数据集中初始图像、噪声图像与所述增强信息之间的映射关系，得到目标可逆神经网络的步骤包括：

根据所述样本数据集中的初始图像与增强图像计算增强信息；

基于所述初始图像与所述增强信息对预设可逆神经网络进行训练，以学习所述样本数据集中初始图像、噪声图像与所述增强信息之间的映射关系，得到目标可逆神经网络。

优选地，所述基于所述初始图像与所述增强信息对预设可逆神经网络进行训练的步骤还包括：

对预设可逆神经网络的损失函数进行优化，以求解所述预设可逆神经网络的网络参数。

优选地，所述根据所述目标可逆神经网络所学习的所述映射关系对待处理图像进行处理，生成增强图像的步骤包括：

获取服从高斯分布的目标噪声图像；

获取待处理图像，将所述待处理图像及所述目标噪声图像输入所述目标可逆神经网络；

基于所述目标可逆神经网络中学习的所述映射关系对所述待处理图像及所述目标噪声图像进行处理，生成增强图像。

优选地，所述基于所述目标可逆神经网络中学习的所述映射关系对所述待处理图像及所述目标噪声图像进行处理，生成增强图像的步骤包括：

基于所述目标可逆神经网络中学习的所述映射关系对所述待处理图像及所述目标噪声图像进行处理，生成由增强信息形成的残差图像；