[发明专利]一种图像增强方法及装置

说明书

本发明公开了一种图像增强方法及装置，图像增强方法包括：对待增强图像进行下采样，同时增加待增强图像的通道数，形成第一特征矩阵；对第一特征矩阵进行多尺度自适应卷积操作，获得包含多尺度信息的第二特征矩阵；对第二特征矩阵进行特征提取，随后进行上采样，同时将图像的通道数减少到待增强图像的通道数，获得第一增强后图像。本发明通过对下采样获得的图像进行多尺度自适应卷积操作，从不同尺度增强纹理细节，从而保留了图像的纹理结构和高频信息，提高了重构图像的整体质量。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像增强方法及装置。

背景技术

图像是人类获取信息的重要载体，但是在传输，复制，扫描等过程当中，都会引起图像质量的下降，如水下图像由于成像环境的复杂，存在对比度低，颜色偏差等问题；医学CT图像由于设备的误差容易引入伪影；黑暗场景中过低的曝会产生低照度图像等。所以寻求一种高效快捷，应用广泛的图像增强技术有着重要的意义。

现有技术中，基于深度学习的图像增强方法使用预先准备好的数据集训练深度学习网络的参数，从而学习一种复杂的非线性函数映射，训练完成后，输入降质图像可以输出增强后的图像。但是，目前无监督的图像增强方法在保留图像纹理结构和高频信息方面效果较差，有待改进。

另外，对于有监督的学习来说，训练过程需要大量的成对样本，但是在很多应用场景，这样的成对样本数据是难以获得的。

现有技术中，还有基于空间域点变换、基于滤波以及基于先验的图像增强方法。

基于空间域点变换的图像增强方法中空域变换是直接调整像素值，将其变换到合理的范围内的方法，例如，灰度变换是将原图像像素逐点映射到目标图像，直方图均衡化是通过统计图像的像素分布并将其拉成均匀分布的方法增强图像。但是，该方法只在像素级别处理图像，没有考虑图像整体，所以在变换过程中存在细节丢失等问题；并且，该方法在处理含噪声图像时容易产生伪影或过度曝光。

基于滤波的图像增强方法是基于邻域运算的方法，它应用特定的模版在空间域或频域对每个像素与其周围邻域的所有像素进行某种数学运算，从而得到该像素的灰度值，常用的模板有用于图像平滑的高斯滤波、用于图像锐化的拉普拉斯算子和频率域的高通和低通滤波器。但是，该方法旨在针对图像的某一缺点改进，如图像平滑去噪或锐化图像边缘，然而真实的降质图像同时包含多种失真，该方法难以从整体上提高图像质量。

基于先验的图像增强方法是基于科学实验和科学分析的方法，它通过统计图像的成像特点和光反射的规律等，构建基于特定先验知识的数学模型，复原出目标图像。该方法构建的物理模型依赖于先验知识，但是由于成像场景的复杂性和不确定性，一些先验参数往往很难获得；此外,大多数模型的泛化能力有限，调整好的模型很难适应新的场景，不利于实际应用。

发明内容

鉴于上述，本发明旨在提供一种图像增强方法及装置，通过对下采样获得的图像进行多尺度自适应卷积操作，从不同尺度增强纹理细节，从而保留了图像的纹理结构和高频信息，提高了重构图像的整体质量。

本发明采用的技术方案如下：

第一方面，本发明提供了一种图像增强方法，包括：

对待增强图像进行下采样，同时增加待增强图像的通道数，形成第一特征矩阵；

对第一特征矩阵进行多尺度自适应卷积操作，获得包含多尺度信息的第二特征矩阵；

对第二特征矩阵进行特征提取，随后进行上采样，同时将图像的通道数减少到待增强图像的通道数，获得第一增强后图像。

在其中一种可能的实现方式中，对第二特征矩阵进行特征提取时，对第二特征矩阵进行残差操作，获得第三特征矩阵，第三特征矩阵的大小与第二特征矩阵的大小相同。