[发明专利]一种基于人工智能的图像增强方法

权利要求书

1.一种基于人工智能的图像增强方法，其特征在于，该方法包括以下步骤：

对原始RGB图像进行尺度变换，得到不同尺度的模板图像，对模板图像进行高斯模糊操作，得到对应尺度空间下具有不同模糊程度的模糊图像；其中，所述模糊程度由高斯核函数的高斯核参数确定；

提取各模糊图像的局部特征和全局特征，并将所述局部特征和全局特征进行融合，得到各模糊图像对应的特征矩阵；

根据所述高斯核参数计算不同尺度空间下各模糊图像的权重；

根据所述权重对各特征矩阵进行融合，得到原始RGB图像的融合特征矩阵；

对所述原始RGB图像进行各关键点的提取，确定各关键点的邻域范围；

计算所述关键点的邻域范围内像素点的信息熵，将所述信息熵作为各关键点的关键点权重；

根据关键点权重和融合特征矩阵，得到关键点的增强图像，进而得到原始RGB图像对应的增强图像。

2.根据权利要求1所述的一种基于人工智能的图像增强方法，其特征在于，关键点的增强图像为：

Z_(x,y)＝(α+Entropy_(x,y))·A_(x,y)·I_(x,y)

其中，Z_(x,y)为坐标为(x,y)处的关键点的增强图像，Entropy_(x,y)为坐标为(x,y)处的关键点的关键点权重；α为原始RGB图像中各像素点的初始权重，α＝1；A_(x,y)为融合特征矩阵中坐标为(x,y)处的元素，I_(x,y)为原始RGB图像中坐标为(x,y)的关键点的像素值。

3.根据权利要求1所述的一种基于人工智能的图像增强方法，其特征在于，所述局部特征和全局特征的融合方法为：构建融合函数，利用所述融合函数将所述局部特征和全局特征进行融合；

其中，所述融合函数为：

其中，c为通道的索引，b为标量偏差，w₁和w₂为标量权重，ReLU为线性修正单元激活函数，G_c为全局特征中通道c的值，L_c[x,y]为局部特征中坐标为(x,y)通道为c的值。

4.根据权利要求1所述的一种基于人工智能的图像增强方法，其特征在于，所述融合特征矩阵为：

其中，m为尺度空间的总个数，n为每个尺度空间下模糊图像的总个数，A_i,j为第i个尺度空间中第j张模糊图像的特征矩阵；w_i,j为第i个尺度空间中第j张模糊图像的权重。

5.根据权利要求1或4所述的一种基于人工智能的图像增强方法，其特征在于，所述模糊图像的权重为：

其中，w_i,j为第i个尺度空间中第j张模糊图像的权重，s为原始RGB图像的长或宽，t为原始RGB图像的宽或长；2^j-1为第i个尺度空间中第j张模糊图像对应的高斯核参数。

6.根据权利要求1或2所述的一种基于人工智能的图像增强方法，其特征在于，所述关键点权重为：

其中，Entropy_x,y为坐标(x,y)处的关键点的关键点权重，P(c)为像素点c在邻域范围O内出现的概率。

7.根据权利要求1所述的一种基于人工智能的图像增强方法，其特征在于，所述各关键点通过FAST算法进行提取。