本技術(shù)涉及人工智能開(kāi)發(fā)與金融科技領(lǐng)域，尤其涉及基于人工智能的圖像處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、沙塵天氣下，由于大氣中懸浮的大量沙塵顆粒對(duì)可見(jiàn)光有著不同程度的散射，導(dǎo)致成像設(shè)備獲取到的通常是模糊的低質(zhì)圖像。在金融保險(xiǎn)的理賠場(chǎng)景下，進(jìn)行理賠業(yè)務(wù)的處理過(guò)程中往往也會(huì)涉及沙塵圖像，例如理賠人員在沙塵天氣下通過(guò)攝像機(jī)拍攝得到的與理賠業(yè)務(wù)相關(guān)的車(chē)輛圖像、人物圖像、環(huán)境圖像，等等。

2、為了理賠業(yè)務(wù)的順暢進(jìn)行，通常需要對(duì)理賠人員采集的沙塵圖像進(jìn)行圖像增強(qiáng)處理。目前，保險(xiǎn)企業(yè)所采用的對(duì)理賠人員采集的沙塵圖像進(jìn)行圖像增強(qiáng)處理的方式通常是基于圖像處理先驗(yàn)知識(shí)的圖像增強(qiáng)算法，由于沙塵退化場(chǎng)景的復(fù)雜多變，基于圖像處理先驗(yàn)知識(shí)的圖像增強(qiáng)算法的泛化能力較弱，且處理后的圖像的清晰度效果較差。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提出一種基于人工智能的圖像處理方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，以解決現(xiàn)有的保險(xiǎn)企業(yè)所采用的對(duì)理賠人員采集的沙塵圖像進(jìn)行圖像增強(qiáng)處理的方式通常是基于圖像處理先驗(yàn)知識(shí)的圖像增強(qiáng)算法，由于沙塵退化場(chǎng)景的復(fù)雜多變，基于圖像處理先驗(yàn)知識(shí)的圖像增強(qiáng)算法的泛化能力較弱，且處理后的圖像的清晰度效果較差的技術(shù)問(wèn)題。

2、為了解決上述技術(shù)問(wèn)題，本技術(shù)實(shí)施例提供一種基于人工智能的圖像處理方法，采用了如下所述的技術(shù)方案：

3、獲取沙塵圖像；

4、對(duì)所述沙塵圖像進(jìn)行歸一化處理，得到對(duì)應(yīng)的第一沙塵圖像；

5、基于所述第一沙塵圖像計(jì)算對(duì)應(yīng)的圖像延展系數(shù)；

6、獲取預(yù)設(shè)的圖像初始像素均值；

7、基于所述圖像延展系數(shù)、所述圖像初始像素均值以及預(yù)設(shè)的高斯模型對(duì)所述第一沙塵圖像進(jìn)行像素值更新處理，得到對(duì)應(yīng)的校正圖像；

8、對(duì)所述校正圖像進(jìn)行視覺(jué)增強(qiáng)處理，得到目標(biāo)沙塵圖像。

9、進(jìn)一步的，所述基于所述第一沙塵圖像計(jì)算對(duì)應(yīng)的圖像延展系數(shù)的步驟，具體包括：

10、獲取所述第一沙塵圖像中包含的各個(gè)顏色通道的像素值；其中，各個(gè)所述顏色通道包括紅色通道、綠色通道以及藍(lán)色通道；

11、獲取預(yù)設(shè)的目標(biāo)比例值；

12、調(diào)用預(yù)設(shè)的延展系數(shù)計(jì)算公式；

13、基于所述延展系數(shù)計(jì)算公式對(duì)各個(gè)所述顏色通道的像素值與所述目標(biāo)比例值進(jìn)行計(jì)算處理，得到各個(gè)所述顏色通道的延展系數(shù)；

14、基于各個(gè)所述顏色通道的延展系數(shù)生成所述圖像延展系數(shù)。

15、進(jìn)一步的，所述基于所述圖像延展系數(shù)、所述圖像初始像素均值以及預(yù)設(shè)的高斯模型對(duì)所述第一沙塵圖像進(jìn)行像素值更新處理，得到對(duì)應(yīng)的校正圖像的步驟，具體包括：

16、基于所述高斯模型對(duì)所述第一沙塵圖像中包含的各個(gè)顏色通道進(jìn)行擬合處理，得到與各個(gè)所述顏色通道分別對(duì)應(yīng)的通道均值與通道標(biāo)準(zhǔn)差；

17、計(jì)算所述第一沙塵圖像的全局標(biāo)準(zhǔn)差；

18、調(diào)用預(yù)設(shè)的色偏校正算法；

19、基于所述色偏校正算法對(duì)所述圖像延展系數(shù)、所述圖像初始像素均值、所述全局標(biāo)準(zhǔn)差、所述通道均值以及所述通道標(biāo)準(zhǔn)差進(jìn)行計(jì)算處理，得到各個(gè)所述顏色通道分別對(duì)應(yīng)的更新后的通道像素值；

20、對(duì)與所述更新后的通道像素值匹配的各個(gè)指定顏色通道進(jìn)行合并處理，得到所述校正圖像。

21、進(jìn)一步的，所述對(duì)所述校正圖像進(jìn)行視覺(jué)增強(qiáng)處理，得到目標(biāo)沙塵圖像的步驟，具體包括：

22、調(diào)用預(yù)設(shè)的圖像增強(qiáng)模型；

23、將所述校正圖像輸入至所述圖像增強(qiáng)模型內(nèi)；

24、通過(guò)所述圖像增強(qiáng)模型對(duì)所述校正圖像進(jìn)行視覺(jué)增強(qiáng)處理，并獲取所述圖像增強(qiáng)模型輸出的與所述校正圖像對(duì)應(yīng)的指定圖像；

25、將所述指定圖像作為所述目標(biāo)沙塵圖像。

26、進(jìn)一步的，在所述調(diào)用預(yù)設(shè)的圖像增強(qiáng)模型的步驟之前，還包括：

27、獲取預(yù)先構(gòu)建的訓(xùn)練圖像數(shù)據(jù)集；其中，所述訓(xùn)練圖像數(shù)據(jù)集包括訓(xùn)練圖像，以及與所述訓(xùn)練圖像對(duì)應(yīng)的增強(qiáng)圖像；

28、獲取預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)模型；

29、將所述訓(xùn)練圖像輸入至所述卷積神經(jīng)網(wǎng)絡(luò)模型內(nèi)進(jìn)行訓(xùn)練，并獲取所述卷積神經(jīng)網(wǎng)絡(luò)模型輸出的與所述訓(xùn)練圖像對(duì)應(yīng)的預(yù)測(cè)圖像；

30、計(jì)算所述預(yù)測(cè)圖像與所述增強(qiáng)圖像之間的損失；

31、基于所述損失對(duì)所述卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化處理，得到符合預(yù)設(shè)預(yù)期的目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)模型；

32、將所述目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)模型作為所述圖像增強(qiáng)模型。

33、進(jìn)一步的，所述獲取沙塵圖像的步驟，具體包括：

34、獲取預(yù)先采集的初始沙塵圖像；

35、對(duì)所述初始沙塵圖像進(jìn)行去噪處理，得到對(duì)應(yīng)的第二沙塵圖像；

36、對(duì)所述第二沙塵圖像進(jìn)行平滑處理，得到對(duì)應(yīng)的第三沙塵圖像；

37、將所述第三沙塵圖像作為所述沙塵圖像。

38、進(jìn)一步的，在所述對(duì)所述校正圖像進(jìn)行視覺(jué)增強(qiáng)處理，得到目標(biāo)沙塵圖像的步驟之后，還包括：

39、獲取與所述目標(biāo)沙塵圖像對(duì)應(yīng)的指定存儲(chǔ)方式；

40、調(diào)用與所述指定存儲(chǔ)方式對(duì)應(yīng)的指定存儲(chǔ)介質(zhì)；

41、將所述目標(biāo)沙塵圖像存儲(chǔ)至所述指定存儲(chǔ)介質(zhì)內(nèi)。

42、為了解決上述技術(shù)問(wèn)題，本技術(shù)實(shí)施例還提供一種基于人工智能的圖像處理裝置，采用了如下所述的技術(shù)方案：

43、第一獲取模塊，用于獲取沙塵圖像；

44、第一處理模塊，用于對(duì)所述沙塵圖像進(jìn)行歸一化處理，得到對(duì)應(yīng)的第一沙塵圖像；

45、計(jì)算模塊，用于基于所述第一沙塵圖像計(jì)算對(duì)應(yīng)的圖像延展系數(shù)；

46、第二獲取模塊，用于獲取預(yù)設(shè)的圖像初始像素均值；

47、更新模塊，用于基于所述圖像延展系數(shù)、所述圖像初始像素均值以及預(yù)設(shè)的高斯模型對(duì)所述第一沙塵圖像進(jìn)行像素值更新處理，得到對(duì)應(yīng)的校正圖像；

48、第二處理模塊，用于對(duì)所述校正圖像進(jìn)行視覺(jué)增強(qiáng)處理，得到目標(biāo)沙塵圖像。

49、為了解決上述技術(shù)問(wèn)題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)設(shè)備，采用了如下所述的技術(shù)方案：

50、獲取沙塵圖像；

51、對(duì)所述沙塵圖像進(jìn)行歸一化處理，得到對(duì)應(yīng)的第一沙塵圖像；

52、基于所述第一沙塵圖像計(jì)算對(duì)應(yīng)的圖像延展系數(shù)；

53、獲取預(yù)設(shè)的圖像初始像素均值；

54、基于所述圖像延展系數(shù)、所述圖像初始像素均值以及預(yù)設(shè)的高斯模型對(duì)所述第一沙塵圖像進(jìn)行像素值更新處理，得到對(duì)應(yīng)的校正圖像；

55、對(duì)所述校正圖像進(jìn)行視覺(jué)增強(qiáng)處理，得到目標(biāo)沙塵圖像。

56、為了解決上述技術(shù)問(wèn)題，本技術(shù)實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，采用了如下所述的技術(shù)方案：

57、獲取沙塵圖像；

58、對(duì)所述沙塵圖像進(jìn)行歸一化處理，得到對(duì)應(yīng)的第一沙塵圖像；

59、基于所述第一沙塵圖像計(jì)算對(duì)應(yīng)的圖像延展系數(shù)；

60、獲取預(yù)設(shè)的圖像初始像素均值；

61、基于所述圖像延展系數(shù)、所述圖像初始像素均值以及預(yù)設(shè)的高斯模型對(duì)所述第一沙塵圖像進(jìn)行像素值更新處理，得到對(duì)應(yīng)的校正圖像；

62、對(duì)所述校正圖像進(jìn)行視覺(jué)增強(qiáng)處理，得到目標(biāo)沙塵圖像。

63、與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例主要有以下有益效果：

64、本技術(shù)通過(guò)基于所述高斯模型對(duì)所述第一沙塵圖像中包含的各個(gè)顏色通道進(jìn)行擬合處理，得到與各個(gè)所述顏色通道分別對(duì)應(yīng)的通道均值與通道標(biāo)準(zhǔn)差；然后計(jì)算所述第一沙塵圖像的全局標(biāo)準(zhǔn)差；之后調(diào)用預(yù)設(shè)的色偏校正算法；后續(xù)基于所述色偏校正算法對(duì)所述圖像延展系數(shù)、所述圖像初始像素均值、所述全局標(biāo)準(zhǔn)差、所述通道均值以及所述通道標(biāo)準(zhǔn)差進(jìn)行計(jì)算處理，得到各個(gè)所述顏色通道分別對(duì)應(yīng)的更新后的通道像素值；最后對(duì)與所述更新后的通道像素值匹配的各個(gè)指定顏色通道進(jìn)行合并處理，得到所述校正圖像。本技術(shù)通過(guò)基于高斯模型的使用對(duì)所述第一沙塵圖像中包含的各個(gè)顏色通道進(jìn)行擬合處理，得到與各個(gè)所述顏色通道分別對(duì)應(yīng)的通道均值與通道標(biāo)準(zhǔn)差，然后基于色偏校正算法的使用對(duì)所述圖像延展系數(shù)、所述圖像初始像素均值、第一沙塵圖像的全局標(biāo)準(zhǔn)差、所述通道均值以及所述通道標(biāo)準(zhǔn)差進(jìn)行計(jì)算處理，得到各個(gè)所述顏色通道分別對(duì)應(yīng)的更新后的通道像素值，進(jìn)而對(duì)與所述更新后的通道像素值匹配的各個(gè)指定顏色通道進(jìn)行合并處理，可以實(shí)現(xiàn)快速準(zhǔn)確地完成對(duì)于第一沙塵圖像的像素值更新處理并得到對(duì)應(yīng)的顏色均衡的校正圖像。本技術(shù)采用基于高斯模型的色偏校正算法對(duì)第一沙塵圖像進(jìn)行顏色均衡處理，可以實(shí)現(xiàn)對(duì)于第一沙塵圖像的精確色偏校正和顏色均衡處理，有效地提升了得到的校正圖像的圖像視覺(jué)清晰度。