一种基于神经网络模型的图像增强方法与流程

本发明涉及图像数据处理，特别是涉及一种基于神经网络模型的图像增强方法。

背景技术：

1、限制对比度自适应直方图均衡化(clahe)算法是一种比较有效的图像增强算法，但是该算法是在cpu上运行的，需要占用cpu资源，而且，cpu是串行处理机制，在cpu上运行clahe算法来对大量图像进行增强处理的速度较慢，难以满足用户对图像增强的高效率要求。如何提高图像增强处理的速度，是亟待解决的技术问题。

技术实现思路

1、本发明目的在于，提供一种基于神经网络模型的图像增强方法，以提高图像增强处理的速度。

2、根据本发明，提供了一种基于神经网络模型的图像增强方法，包括以下步骤：

3、s100，获取目标图像。

4、s200，将目标图像输入到经训练的目标神经网络模型，得到目标图像对应的增强图像。

5、所述目标神经网络模型包括第一子模型和第二子模型，所述第一子模型的输出为所述第二子模型的输入。

6、所述第一子模型用于获取输入图像的转换矩阵，所述第一子模型按照信息传递的方向依次包括：级联的四个卷积层、二维自适应平均池化层、flatten层、第一线性层、relu激活层、第二线性层和sigmoid激活层；sigmoid激活层的输出为输入图像的转换矩阵。

7、所述第二子模型用于根据第一子模型的输出获取输入图像对应的增强图像，所述第二子模型包括卷积运算模块和求和运算模块，所述卷积运算模块的输入为输入图像和第一子模型的输出，所述求和运算模块的输入为输入图像和所述卷积运算模块的输出，所述求和运算模块的输出为输入图像对应的增强图像；所述卷积运算模块用于对输入图像进行padding处理，并利用第一子模型的输出对经padding处理后的输入图像做卷积运算，所述求和运算模块用于对输入图像和卷积运算模块输出的卷积结果做求和运算。

8、本发明与现有技术相比至少具有以下有益效果：

9、本发明利用经训练的目标神经网络模型实现对图像的增强处理，该目标神经网络模型包括第一子模型和第二子模型，第二子模型包括卷积运算模块和求和运算模块，其中卷积运算模块的输出表征的是输入图像和对应的增强图像的差异，卷积运算模块的输入是输入图像和第一子模型的输出(即输入图像的转换矩阵)，输入图像的转换矩阵是由第一子模型得到的，第一子模型包括神经网络的结构；可见，本发明并不是利用神经网络直接学习怎么基于输入图像得到对应的增强图像，而是利用神经网络间接学习输入图像与对应的增强图像之间的差异，由于输入图像与增强图像之间的差异的变化区间相对较小，比较容易学习，因此，本发明对目标神经网络模型进行训练的过程中目标神经网络模型更容易收敛，对应的训练过程的时长较短，且利用经训练的目标神经网络模型得到的增强图像的准确性也较高。

10、而且，本发明中目标神经网络模型包括的第一子模型的结构较为简单，其是一个轻量型的神经网络，利用经训练的目标神经网络模型获取目标图像对应的增强图像所需的时间较短，提高了图像增强处理的速度。

技术特征：

1.一种基于神经网络模型的图像增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于神经网络模型的图像增强方法，其特征在于，目标神经网络模型的训练过程包括以下步骤：

3.根据权利要求1所述的基于神经网络模型的图像增强方法，其特征在于，每一卷积层包括依次连接的卷积处理模块、批量标准化操作处理模块和relu激活处理模块。

4.根据权利要求3所述的基于神经网络模型的图像增强方法，其特征在于，当所述目标神经网络模型为用于获取单通道图像的增强图像的神经网络模型时，卷积处理模块包括1个3×3卷积核，输入图像的转换矩阵为1个3×3的矩阵。

5.根据权利要求3所述的基于神经网络模型的图像增强方法，其特征在于，当所述目标神经网络模型为用于获取3通道图像的增强图像的神经网络模型时，卷积处理模块包括3个3×3卷积核，输入图像的转换矩阵为3个3×3的矩阵。

6.根据权利要求1所述的基于神经网络模型的图像增强方法，其特征在于，所述图像增强方法在gpu上执行。

7.根据权利要求2所述的基于神经网络模型的图像增强方法，其特征在于，bn为利用clahe算法对an进行图像增强后的图像。

技术总结
本申请涉及图像数据处理技术领域，特别是涉及一种基于神经网络模型的图像增强方法。该方法包括：S100，获取目标图像；S200，将目标图像输入到经训练的目标神经网络模型，得到目标图像对应的增强图像；目标神经网络模型包括第一子模型和第二子模型，第一子模型的输出为第二子模型的输入；第一子模型用于获取输入图像的转换矩阵；第二子模型用于根据第一子模型的输出获取输入图像对应的增强图像，第二子模型包括卷积运算模块和求和运算模块，卷积运算模块的输入为输入图像和第一子模型的输出，求和运算模块的输入为输入图像和所述卷积运算模块的输出，求和运算模块的输出为输入图像对应的增强图像。本发明提高了图像增强处理的速度。

技术研发人员：邓帆,虞新阳,严广宇
受保护的技术使用者：沐曦科技（成都）有限公司
技术研发日：
技术公布日：2024/1/22