图像增强的智能化实现方法及装置与流程

本发明涉及图像处理，尤其涉及一种图像增强的智能化实现方法及装置。

背景技术：

1、随着图像增强技术的快速发展，图像增强技术已经渗透到各行各业，如建筑工程、军事、电商等行业领域，它能够有针对性地强调图像的整体或局部特征，强化图像重要信息以及弱化图像次要信息，增强图像的识别效果，从而使得图像的质量得到提升。

2、当前，常用的图像增强技术一般是通过单一的像素灰度映射表，对图像的原始像素灰度值进行转换来实现，然而，通过实践发现，现有的图像增强技术需要依赖人工进行像素灰度映射表的设计，而且单一的像素灰度映射表也只能针对某一特定场景的图像进行增强处理，从而难以确保增强后图像的质量能够达到理想的效果。可见，提供一种新的图像增强实现方法，以有效提高增强后图像的增强效果尤为重要。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种图像增强的智能化实现的方法及装置，在保障增强后图像的图像内容一致性的情况下，也提高了对增强后图像的图像纹理及图像像素的增强效果，提高了对待增强图像的增强可靠性及准确性，以利于满足用户图像处理的需求。

2、为了解决上述技术问题，本发明第一方面公开了一种图像增强的智能化实现方法，所述方法包括：

3、获取用于训练的训练图像集合，并将所述训练图像集合中的所有训练图像输入至预设的待训练图像增强模型的图像增强器中，得到每个所述训练图像对应的初始增强图像；所有所述训练图像中包含多种场景类型的图像；

4、将所有所述初始增强图像输入至所述待训练图像增强模型中的图像降质器中，得到每个所述初始增强图像对应的降质图像，并根据所有所述训练图像以及所有所述初始增强图像对应的降质图像，确定所述待训练图像增强模型对应的图像内容损失参数；

5、判断所述图像内容损失参数是否小于等于预设的图像内容损失阈值，若是，则基于所述待训练图像增强模型中的图像属性判别器，对所有所述初始增强图像执行图像属性判别操作，得到所有所述初始增强图像对应的图像属性判别结果；所述图像属性判别结果包括图像纹理判别结果和/或图像像素判别结果；

6、根据所有所述初始增强图像对应的图像属性判别结果，判断所述待训练图像增强模型是否收敛；

7、当判断出所述待训练图像增强模型不收敛时，对所述待训练图像增强模型的模型参数进行调整，得到新的所述待训练图像增强模型，并触发执行所述的将所述训练图像集合中的所有训练图像输入至预设的待训练图像增强模型的图像增强器中，得到每个所述训练图像对应的初始增强图像的操作；所述待训练图像增强模型为新的所述待训练图像增强模型；

8、当判断出所述待训练图像增强模型收敛时，将所述待训练图像增强模型确定为目标图像增强模型；所述目标图像增强模型用于对待增强图像进行图像增强。

9、作为一种可选的实施方式，在本发明第一方面中，所述图像属性判别器包括图像纹理判别器和/或图像像素判别器；

10、其中，所述基于所述待训练图像增强模型中的图像属性判别器，对所有所述初始增强图像执行图像属性判别操作，得到所有所述初始增强图像对应的图像属性判别结果，包括：

11、当所述图像属性判别器包括所述图像纹理判别器以及所述图像像素判别器时，确定每个所述初始增强图像对应的判别参照图像，并将所有所述初始增强图像以及所有所述初始增强图像对应的判别参照图像输入至所述图像纹理判别器中，以使所述图像纹理判别器对每个所述初始增强图像以及每个所述初始增强图像对应的判别参照图像执行图像纹理判别操作，得到每个所述初始增强图像对应的图像纹理损失参数；

12、将所有所述初始增强图像以及所有所述初始增强图像对应的判别参照图像输入至所述图像像素判别器中，以使所述图像像素判别器对每个所述初始增强图像以及每个所述初始增强图像对应的判别参照图像执行图像像素判别操作，得到每个所述初始增强图像对应的图像像素损失参数；

13、根据所有所述初始增强图像对应的图像纹理损失参数以及对应的图像像素损失参数，确定所有所述初始增强图像对应的图像属性判别结果。

14、作为一种可选的实施方式，在本发明第一方面中，所述图像纹理判别器对每个所述初始增强图像以及每个所述初始增强图像对应的判别参照图像执行图像纹理判别操作，得到每个所述初始增强图像对应的图像纹理损失参数，包括：

15、对于每一所述初始增强图像，所述图像纹理判别器对所述初始增强图像以及所述初始增强图像对应的判别参照图像执行图像灰度处理操作，得到所述初始增强图像的第一灰度图像以及所述判别参照图像的第二灰度图像，并提取所述第一灰度图像中的多个第一纹理特征元素以及所述第二灰度图像中的多个第二纹理特征元素；

16、对于每一所述第一灰度图像中的每一所述第一纹理特征元素，从所有所述第二纹理特征元素中确定出与所述第一纹理特征元素相匹配的目标纹理特征元素，并确定所述第一纹理特征元素的基础判别数值以及所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度；

17、对于每一所述第一灰度图像，根据所述第一灰度图像中的每个所述第一纹理特征元素的基础判别数值以及对应的元素判别相似度，计算每个所述第一纹理特征元素与与其相匹配的所述目标纹理特征元素之间的纹理特征元素损失参数，并根据所有所述第一纹理特征元素对应的纹理特征元素损失参数，确定所述第一灰度图像的图像纹理损失参数，作为所述初始增强图像对应的图像纹理损失参数。

18、作为一种可选的实施方式，在本发明第一方面中，所述第一纹理特征元素的基础判别数值是通过以下方式确定出的：

19、确定所述第一纹理特征元素所属的所述第一灰度图像对应的图像场景特征参数，并确定所述第一纹理特征元素在所述第一灰度图像中所对应的第一特征参数；所述第一特征参数包括位置特征参数、大小占比特征参数、元素场景特征参数以及纹理类型特征参数中的至少一种；

20、根据所述图像场景特征参数以及所述第一纹理特征元素对应的第一特征参数，确定所述第一纹理特征元素针对所述第一灰度图像所对应的元素权重值，并根据预设的所述第一灰度图像对应的图像基础数值以及所述元素权重值，确定所述第一纹理特征元素的基础判别数值。

21、作为一种可选的实施方式，在本发明第一方面中，所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度是通过以下方式确定出的：

22、确定所述第一纹理特征元素所属的纹理类型；所述纹理类型包括材质纹理类型、空间立体纹理类型以及映射纹理类型中的至少一种；

23、当所述第一纹理特征元素所属的纹理类型包括所述材质纹理类型时，根据所述第一纹理特征元素中第一材质纹理的材质纹理参数以及所述目标纹理特征元素中第二材质纹理的材质纹理参数，确定所述第一材质纹理与所述第二材质纹理之间的材质纹理相似度，作为所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度；所述材质纹理参数包括材质纹理位置参数、材质纹理纹路情况以及材质类型参数中的至少一种；

24、当所述第一纹理特征元素所属的纹理类型包括所述空间立体纹理类型时，根据所述第一纹理特征元素中第一几何面纹理对应的交错纹理参数以及所述目标纹理特征元素中第二几何面纹理对应的交错纹理参数，确定所述第一几何面纹理与所述第二几何面纹理之间的交错纹理相似度，作为所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度；所述交错纹理参数包括交错纹理位置参数和/或交错纹理纹路情况；

25、当所述第一纹理特征元素所属的纹理类型包括所述映射纹理类型时，根据所述第一纹理特征元素中第一映射纹理对应的映射纹理参数以及所述目标纹理特征元素中第二映射纹理对应的映射纹理参数，确定所述第一映射纹理与所述第二映射纹理之间的映射纹理相似度，作为所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度；所述映射纹理参数包括映射纹理位置参数、映射纹理纹路情况、映射对象类型参数以及被映射对象类型参数中的至少一种。

26、作为一种可选的实施方式，在本发明第一方面中，所述图像像素判别器对每个所述初始增强图像以及每个所述初始增强图像对应的判别参照图像执行图像像素判别操作，得到每个所述初始增强图像对应的图像像素损失参数，包括：

27、对于每一所述初始增强图像，所述图像像素判别器对所述初始增强图像以及所述初始增强图像对应的判别参照图像执行图像噪声处理操作，得到所述初始增强图像的第一处理后图像以及所述判别参照图像的第二处理后图像，并提取所述第一处理后图像中的多个第一图像像素以及所述第二处理后图像中的多个第二图像像素；

28、对于每一所述第一处理后图像中的每一所述第一图像像素，从所有所述第二图像像素中确定出与所述第一图像像素相匹配的目标图像像素，并确定所述第一图像像素与所述目标图像像素之间的像素判别相似度；

29、对于每一所述第一处理后图像，根据所述第一处理后图像中的每个所述第一图像像素对应的像素判别相似度，确定每个所述第一图像像素与与其相匹配的所述目标图像像素之间的像素特征损失参数，并根据所有所述第一图像像素对应的像素特征损失参数，确定所述第一处理后图像的图像像素损失参数，作为所述初始增强图像对应的图像像素损失参数。

30、作为一种可选的实施方式，在本发明第一方面中，所述第一图像像素与所述目标图像像素之间的像素判别相似度是通过以下方式确定出的：

31、确定所述第一图像像素的像素特征参数以及所述目标图像像素的像素特征参数；所述像素特征参数包括像素位置特征参数、像素大小特征参数以及像素值中的至少一种；

32、根据所述第一图像像素的像素特征参数以及所述目标图像像素的像素特征参数，确定所述第一图像像素与所述目标图像像素之间的像素判别相似度。

33、本发明第二方面公开了一种图像增强的智能化实现装置，所述装置包括：

34、获取模块，用于获取用于训练的训练图像集合；

35、训练模块，用于将所述训练图像集合中的所有训练图像输入至预设的待训练图像增强模型的图像增强器中，得到每个所述训练图像对应的初始增强图像；所有所述训练图像中包含多种场景类型的图像；将所有所述初始增强图像输入至所述待训练图像增强模型中的图像降质器中，得到每个所述初始增强图像对应的降质图像，并根据所有所述训练图像以及所有所述初始增强图像对应的降质图像，确定所述待训练图像增强模型对应的图像内容损失参数；

36、判断模块，用于判断所述图像内容损失参数是否小于等于预设的图像内容损失阈值；

37、所述训练模块，还用于当所述判断模块判断结果为是时，基于所述待训练图像增强模型中的图像属性判别器，对所有所述初始增强图像执行图像属性判别操作，得到所有所述初始增强图像对应的图像属性判别结果；所述图像属性判别结果包括图像纹理判别结果和/或图像像素判别结果；

38、所述判断模块，还用于根据所有所述初始增强图像对应的图像属性判别结果，判断所述待训练图像增强模型是否收敛；

39、调整模块，用于当所述判断模块判断出所述待训练图像增强模型不收敛时，对所述待训练图像增强模型的模型参数进行调整，得到新的所述待训练图像增强模型，并触发所述训练模块执行所述的将所述训练图像集合中的所有训练图像输入至预设的待训练图像增强模型的图像增强器中，得到每个所述训练图像对应的初始增强图像的操作；所述待训练图像增强模型为新的所述待训练图像增强模型；

40、确定模块，用于当所述判断模块判断出所述待训练图像增强模型收敛时，将所述待训练图像增强模型确定为目标图像增强模型；所述目标图像增强模型用于对待增强图像进行图像增强。

41、作为一种可选的实施方式，在本发明第二方面中，所述图像属性判别器包括图像纹理判别器和/或图像像素判别器；

42、其中，所述训练模块基于所述待训练图像增强模型中的图像属性判别器，对所有所述初始增强图像执行图像属性判别操作，得到所有所述初始增强图像对应的图像属性判别结果的方式具体包括：

43、当所述图像属性判别器包括所述图像纹理判别器以及所述图像像素判别器时，确定每个所述初始增强图像对应的判别参照图像，并将所有所述初始增强图像以及所有所述初始增强图像对应的判别参照图像输入至所述图像纹理判别器中，以使所述图像纹理判别器对每个所述初始增强图像以及每个所述初始增强图像对应的判别参照图像执行图像纹理判别操作，得到每个所述初始增强图像对应的图像纹理损失参数；

44、将所有所述初始增强图像以及所有所述初始增强图像对应的判别参照图像输入至所述图像像素判别器中，以使所述图像像素判别器对每个所述初始增强图像以及每个所述初始增强图像对应的判别参照图像执行图像像素判别操作，得到每个所述初始增强图像对应的图像像素损失参数；

45、根据所有所述初始增强图像对应的图像纹理损失参数以及对应的图像像素损失参数，确定所有所述初始增强图像对应的图像属性判别结果。

46、作为一种可选的实施方式，在本发明第二方面中，所述图像纹理判别器对每个所述初始增强图像以及每个所述初始增强图像对应的判别参照图像执行图像纹理判别操作，得到每个所述初始增强图像对应的图像纹理损失参数的方式具体包括：

47、对于每一所述初始增强图像，所述图像纹理判别器对所述初始增强图像以及所述初始增强图像对应的判别参照图像执行图像灰度处理操作，得到所述初始增强图像的第一灰度图像以及所述判别参照图像的第二灰度图像，并提取所述第一灰度图像中的多个第一纹理特征元素以及所述第二灰度图像中的多个第二纹理特征元素；

48、对于每一所述第一灰度图像中的每一所述第一纹理特征元素，从所有所述第二纹理特征元素中确定出与所述第一纹理特征元素相匹配的目标纹理特征元素，并确定所述第一纹理特征元素的基础判别数值以及所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度；

49、对于每一所述第一灰度图像，根据所述第一灰度图像中的每个所述第一纹理特征元素的基础判别数值以及对应的元素判别相似度，计算每个所述第一纹理特征元素与与其相匹配的所述目标纹理特征元素之间的纹理特征元素损失参数，并根据所有所述第一纹理特征元素对应的纹理特征元素损失参数，确定所述第一灰度图像的图像纹理损失参数，作为所述初始增强图像对应的图像纹理损失参数。

50、作为一种可选的实施方式，在本发明第二方面中，所述第一纹理特征元素的基础判别数值是通过以下方式确定出的：

51、确定所述第一纹理特征元素所属的所述第一灰度图像对应的图像场景特征参数，并确定所述第一纹理特征元素在所述第一灰度图像中所对应的第一特征参数；所述第一特征参数包括位置特征参数、大小占比特征参数、元素场景特征参数以及纹理类型特征参数中的至少一种；

52、根据所述图像场景特征参数以及所述第一纹理特征元素对应的第一特征参数，确定所述第一纹理特征元素针对所述第一灰度图像所对应的元素权重值，并根据预设的所述第一灰度图像对应的图像基础数值以及所述元素权重值，确定所述第一纹理特征元素的基础判别数值。

53、作为一种可选的实施方式，在本发明第二方面中，所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度是通过以下方式确定出的：

54、确定所述第一纹理特征元素所属的纹理类型；所述纹理类型包括材质纹理类型、空间立体纹理类型以及映射纹理类型中的至少一种；

55、当所述第一纹理特征元素所属的纹理类型包括所述材质纹理类型时，根据所述第一纹理特征元素中第一材质纹理的材质纹理参数以及所述目标纹理特征元素中第二材质纹理的材质纹理参数，确定所述第一材质纹理与所述第二材质纹理之间的材质纹理相似度，作为所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度；所述材质纹理参数包括材质纹理位置参数、材质纹理纹路情况以及材质类型参数中的至少一种；

56、当所述第一纹理特征元素所属的纹理类型包括所述空间立体纹理类型时，根据所述第一纹理特征元素中第一几何面纹理对应的交错纹理参数以及所述目标纹理特征元素中第二几何面纹理对应的交错纹理参数，确定所述第一几何面纹理与所述第二几何面纹理之间的交错纹理相似度，作为所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度；所述交错纹理参数包括交错纹理位置参数和/或交错纹理纹路情况；

57、当所述第一纹理特征元素所属的纹理类型包括所述映射纹理类型时，根据所述第一纹理特征元素中第一映射纹理对应的映射纹理参数以及所述目标纹理特征元素中第二映射纹理对应的映射纹理参数，确定所述第一映射纹理与所述第二映射纹理之间的映射纹理相似度，作为所述第一纹理特征元素与所述目标纹理特征元素之间的元素判别相似度；所述映射纹理参数包括映射纹理位置参数、映射纹理纹路情况、映射对象类型参数以及被映射对象类型参数中的至少一种。

58、作为一种可选的实施方式，在本发明第二方面中，所述图像像素判别器对每个所述初始增强图像以及每个所述初始增强图像对应的判别参照图像执行图像像素判别操作，得到每个所述初始增强图像对应的图像像素损失参数的方式具体包括：

59、对于每一所述初始增强图像，所述图像像素判别器对所述初始增强图像以及所述初始增强图像对应的判别参照图像执行图像噪声处理操作，得到所述初始增强图像的第一处理后图像以及所述判别参照图像的第二处理后图像，并提取所述第一处理后图像中的多个第一图像像素以及所述第二处理后图像中的多个第二图像像素；

60、对于每一所述第一处理后图像中的每一所述第一图像像素，从所有所述第二图像像素中确定出与所述第一图像像素相匹配的目标图像像素，并确定所述第一图像像素与所述目标图像像素之间的像素判别相似度；

61、对于每一所述第一处理后图像，根据所述第一处理后图像中的每个所述第一图像像素对应的像素判别相似度，确定每个所述第一图像像素与与其相匹配的所述目标图像像素之间的像素特征损失参数，并根据所有所述第一图像像素对应的像素特征损失参数，确定所述第一处理后图像的图像像素损失参数，作为所述初始增强图像对应的图像像素损失参数。

62、作为一种可选的实施方式，在本发明第二方面中，所述第一图像像素与所述目标图像像素之间的像素判别相似度是通过以下方式确定出的：

63、确定所述第一图像像素的像素特征参数以及所述目标图像像素的像素特征参数；所述像素特征参数包括像素位置特征参数、像素大小特征参数以及像素值中的至少一种；

64、根据所述第一图像像素的像素特征参数以及所述目标图像像素的像素特征参数，确定所述第一图像像素与所述目标图像像素之间的像素判别相似度。

65、本发明第三方面公开了另一种图像增强的智能化实现装置，所述装置包括：

66、存储有可执行程序代码的存储器；

67、与所述存储器耦合的处理器；

68、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的图像增强的智能化实现方法。

69、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的图像增强的智能化实现方法。

70、与现有技术相比，本发明实施例具有以下有益效果：

71、本发明实施例中，通过待训练图像增强模型先对所有训练图像进行增强及降质操作，继而确定出待训练图像增强模型对应的图像内容损失参数，并判断图像内容损失参数是否小于等于预设图像内容损失阈值，若是，则进一步执行图像属性判别操作，以对待训练图像增强模型进行训练，从而训练出能够对待增强图像进行图像增强的目标图像增强模型。可见，实施本发明训练出的目标图像增强模型能够对多种场景类型的待增强图像进行增强，在保障增强后图像的图像内容一致性的情况下，也提高了对增强后图像的图像纹理及图像像素的增强效果，提高了对待增强图像的增强可靠性及准确性，以利于满足用户图像处理的需求。