[发明专利]一种图像曝光矫正方法、装置、电子设备及存储介质

权利要求书

1.一种图像曝光矫正方法，其特征在于，包括：

获取待矫正图像的低频特征和高频特征；

将所述低频特征和所述高频特征输入图像曝光矫正模型，获得矫正图像，所述图像曝光矫正模型是根据样本训练集合中提取的每一样本图像的低频特征和高频特征按照构建的待训练神经网络模型进行训练获得的，所述样本训练集合中包括曝光过度的样本图像和曝光不足的样本图像。

2.如权利要求1所述的方法，其特征在于，获取待矫正图像的低频特征和高频特征，具体包括：

获取所述待矫正图像对应的拉普拉斯金字塔图像集合，其中，所述拉普拉斯金字塔图像集合包括所述待矫正图像对应的N层拉普拉斯金字塔图像，第一层拉普拉斯金字塔图像为所述待矫正图像对应的低频拉普拉斯金字塔图像，第2～N层拉普拉斯金字塔图像为所述待矫正图像对应的高频拉普拉斯金字塔图像；

将所述低频拉普拉斯金字塔图像确定为所述待矫正图像的低频特征，将所述高频拉普拉斯金字塔图像确定为所述待矫正图像的高频特征。

3.如权利要求2所述的方法，其特征在于，所述待训练神经网络模型包括N层U-net子网络；

通过以下方式训练获得所述图像曝光矫正模型：

针对所述样本训练集合中的每一样本图像，获取所述样本图像对应的第一拉普拉斯金字塔图像集合，并获取所述样本图像对应的曝光正常图像对应的第二拉普拉斯金字塔图像集合；所述第一拉普拉斯金字塔图像集合包括所述样本图像对应的N层第一拉普拉斯金字塔图像，第一层第一拉普拉斯金字塔图像为所述样本图像对应的低频拉普拉斯金字塔图像，第2～N层第一拉普拉斯金字塔图像为所述样本图像对应的高频拉普拉斯金字塔图像；所述第二拉普拉斯金字塔图像集合包括所述曝光正常图像对应的N层第二拉普拉斯金字塔图像，第一层第二拉普拉斯金字塔图像为所述曝光正常图像对应的低频拉普拉斯金字塔图像，第2～N层第二拉普拉斯金字塔图像为所述曝光正常图像对应的高频拉普拉斯金字塔图像；

分别对所述第一层第二拉普拉斯金字塔图像、所述第2～N层第二拉普拉斯金字塔图像中的像素点的像素值进行标注，获得各自对应的标注像素值；

将所述第一层第一拉普拉斯金字塔图像输入到第一层U-net子网络中，预测所述第一层第一拉普拉斯金字塔图像对应的重建图像；

依次将每一层U-net子网络预测出的重建图像和下一层第一拉普拉斯金字塔图像作为下一层U-net子网络的输入，预测所述样本图像对应的重建图像；

针对每一层U-net子网络预测出的重建图像，确定所述层U-net子网络预测出的重建图像中的各像素点的像素值与对应层第二拉普拉斯金字塔图像的对应各像素点的标注像素值之间的误差；

根据所述误差与预设损失函数对所述待训练神经网络模型进行机器迭代训练，将收敛后的所述待训练神经网络模型作为所述图像曝光矫正模型。

4.如权利要求3所述的方法，其特征在于，所述待训练神经网络模型中的所述每一层U-net子网络之后还连接有放缩模块；

在将每一层U-net子网络预测出的重建图像和下一层第一拉普拉斯金字塔图像输入下一层U-net子网络之前，还包括：

将当前层U-net子网络预测出的重建图像输入至所述层U-net子网络连接的放缩模块进行尺寸调整，将所述重建图像的尺寸调整为与所述下一层第一拉普拉斯金字塔图像的尺寸相同。

5.如权利要求3或4所述的方法，其特征在于，所述预设损失函数为：

其中，Loss表示图像重建损失函数；

Y_l(p)表示第l层U-net子网络预测出的重建图像的第p个像素点的像素值，N表示所述待训练神经网络模型包括的U-net子网络的层数，h_l表示所述第l层U-net子网络预测出的重建图像的高，w_l表示所述第l层U-net子网络预测出的重建图像的宽；

T_l(p)表示第l层第二拉普拉斯金字塔图像的第p个像素点的像素值。