[发明专利]目标区域的图像细节增强方法、装置、设备和存储介质

权利要求书

1.一种目标区域的图像细节增强方法，其特征在于，包括：

获取待处理视频，判断所述待处理视频是否符合图像细节增强条件；

若符合图像细节增强条件，则对所述待处理视频的帧图像进行目标区域的模板变换处理，得到目标区域的输入矩阵；

将所述输入矩阵输入至增强网络模型，基于提取到的多层特征、隐向量以及随机信号生成目标区域的增强结果；

将所述目标区域的增强结果采用所述模板变换处理的逆变换处理，并基于逆变换处理结果与原帧图像进行融合，得到图像细节增强结果。

2.根据权利要求1所述的目标区域的图像细节增强方法，其特征在于，对所述待处理视频的帧图像进行目标区域的模板变换处理，得到目标区域的输入矩阵，包括：

获取预设大小的目标区域；

获取所述目标区域中的关键点信息；

基于所述关键点信息以及预先设置的模板变换规则，对所述目标区域进行变换处理，得到目标区域的输入矩阵。

3.根据权利要求2所述的目标区域的图像细节增强方法，其特征在于，所述关键点信息包括关键点坐标；

基于所述关键点信息以及预先设置的模板变换规则，对所述目标区域进行变换处理，得到目标区域的输入矩阵，包括：

基于所述关键点坐标以及预先设置的模板变换规则，对所述目标区域进行平移、旋转以及缩放中的至少一种处理，识别处理结果中是否存在缺失区域；

对所述缺失区域按照预设规则进行填充，得到目标区域的输入矩阵。

4.根据权利要求1所述的目标区域的图像细节增强方法，其特征在于，将所述输入矩阵输入至增强网络模型，基于提取到的多层特征、隐向量以及随机信号生成目标区域的增强结果，包括：

将所述输入矩阵输入至增强网络模型的卷积层，以得到多层特征；

将最后一个卷积层输出的特征输入至线性连接层，以得到帧图像的隐向量；

将所述多层特征、所述隐向量以及预先得到的随机信号输入至所述增强网络模型的生成器，以得到目标区域的增强结果；其中，所述随机信号是基于信号生成网络得到的符合高斯分布的随机噪声。

5.根据权利要求4所述的目标区域的图像细节增强方法，其特征在于，所述增强网络模型还包括：

判别器，用于在训练过程中与所述生成器形成对抗神经网络，以对所述生成器生成的目标区域的增强结果进行真伪判别。

6.根据权利要求1所述的目标区域的图像细节增强方法，其特征在于，基于目标区域的增强结果与原帧图像进行融合，得到图像细节增强结果，包括：

将所述目标区域的增强结果与原帧图像中的目标区域进行加权处理，得到加权处理结果；

采用分割算法确定所述加权处理结果中的分割对象；或者，采用分割算法确定所述增强结果中的分割对象；

将加权处理结果中的分割对象或者所述增强结果中的分割对象，与原帧图像中的非分割对象区域进行拼接，得到图像细节增强结果。

7.根据权利要求6所述的目标区域的图像细节增强方法，其特征在于，所述加权处理结果或者所述增强结果均包括色彩空间的三个通道数值；

相应的，采用分割算法确定所述加权处理结果中的分割对象；或者，采用分割算法确定所述增强结果中的分割对象，包括：

采用分割算法基于所述加权处理结果中的至少一个通道数值确定所述加权处理结果中的分割对象；或者，采用分割算法基于所述增强结果中的至少一个通道数值确定所述增强结果中的分割对象。

8.根据权利要求6所述的目标区域的图像细节增强方法，其特征在于，在将加权处理结果中的分割对象或者所述增强结果中的分割对象，与原帧图像中的非分割对象区域进行拼接之前，所述方法还包括：

获取模板变换处理的变换规则；

基于所述变换规则的逆运算，以及所述加权处理结果中的分割对象或者所述增强结果中的分割对象，确定所述原帧图像中的非分割对象区域。