本發(fā)明屬于圖像處理，具體涉及一種基于計(jì)算機(jī)視覺(jué)的圖像增強(qiáng)方法。

背景技術(shù)：

1、圖像增強(qiáng)技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向，其主要目標(biāo)是對(duì)輸入圖像進(jìn)行處理，利用計(jì)算機(jī)視覺(jué)系統(tǒng)的識(shí)別和檢測(cè)性能提升圖像質(zhì)量。

2、在公開(kāi)號(hào)為cn118247191a的中國(guó)專(zhuān)利中，提到了一種基于計(jì)算機(jī)視覺(jué)的圖像增強(qiáng)方法，包括：獲取室外監(jiān)控灰度圖像以及圖像中的動(dòng)態(tài)物體局部區(qū)域，再獲取每個(gè)動(dòng)態(tài)物體局部區(qū)域的增強(qiáng)期望以及室外監(jiān)控灰度圖像的整體增強(qiáng)需求，根據(jù)動(dòng)態(tài)物體局部區(qū)域的增強(qiáng)期望和室外監(jiān)控灰度圖像的整體增強(qiáng)需求，得到室外監(jiān)控灰度圖像中每個(gè)動(dòng)態(tài)物體局部區(qū)域的自適應(yīng)增強(qiáng)系數(shù)，根據(jù)動(dòng)態(tài)物體局部區(qū)域的自適應(yīng)增強(qiáng)系數(shù)和區(qū)域內(nèi)像素點(diǎn)的灰度值，得到室外監(jiān)控增強(qiáng)圖像。本發(fā)明通過(guò)線(xiàn)性變換函數(shù)，結(jié)合每個(gè)動(dòng)態(tài)物體局部區(qū)域的自適應(yīng)增強(qiáng)系數(shù)計(jì)算出每個(gè)動(dòng)態(tài)物體局部區(qū)域中所有像素點(diǎn)的灰度值的映射值，提高了室外監(jiān)控圖像增強(qiáng)的質(zhì)量。

3、本技術(shù)人在申請(qǐng)過(guò)程中發(fā)現(xiàn)，上述申請(qǐng)?jiān)谑褂眠^(guò)程中存在缺陷，該申請(qǐng)公開(kāi)的圖像增強(qiáng)方法主要針對(duì)的是圖像過(guò)亮或者過(guò)暗導(dǎo)致的圖片細(xì)節(jié)信息缺失，雖然公開(kāi)了像素點(diǎn)灰度值處理和物體局部區(qū)域圖像增強(qiáng)處理等技術(shù)，但并未使用前沿的深度學(xué)習(xí)技術(shù)，導(dǎo)致圖像增強(qiáng)處理粗糙且緩慢，無(wú)法快速得到高質(zhì)量的增強(qiáng)圖像。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于計(jì)算機(jī)視覺(jué)的圖像增強(qiáng)方法，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于計(jì)算機(jī)視覺(jué)的圖像增強(qiáng)方法，具體包括以下步驟：

4、s1，獲取并輸入處理前圖像；

5、s2，對(duì)于輸入的處理前圖像進(jìn)行預(yù)處理，提高模型訓(xùn)練效率和性能；

6、s3，對(duì)預(yù)處理完畢的圖像進(jìn)行增強(qiáng)處理，提高圖像質(zhì)量；

7、s4，通過(guò)深度學(xué)習(xí)模型處理影響圖像質(zhì)量的因素，學(xué)習(xí)恢復(fù)原圖像；

8、s5，利用生成對(duì)抗網(wǎng)絡(luò)，生成增強(qiáng)之后的新的圖像。

9、優(yōu)選的，所述s2中，圖像預(yù)處理的操作包括：

10、縮放：通過(guò)更改圖像的寬度和高度將圖像縮小到一個(gè)較小的值，減少計(jì)算量；

11、裁剪：通過(guò)更改圖像的寬度和高度從圖像中裁剪出一個(gè)較小的區(qū)域，作為輸入圖像；

12、翻轉(zhuǎn)：對(duì)輸入圖像進(jìn)行水平和垂直翻轉(zhuǎn)操作，以增加模型泛化能力；

13、數(shù)據(jù)增強(qiáng)：通過(guò)隨機(jī)旋轉(zhuǎn)、平移和扭曲操作生成新的圖像樣本，以增加模型的訓(xùn)練數(shù)據(jù)量。

14、優(yōu)選的，所述s3中，圖像增強(qiáng)途徑包括：

15、自適應(yīng)歷史對(duì)比度調(diào)整，根據(jù)圖像的灰度分布，自適應(yīng)地調(diào)整圖像對(duì)比度，自適應(yīng)歷史對(duì)比度調(diào)整公式表示為：

16、ienhanced(x,y)＝i(x,y)+α(x,y)(max(i(x,y))-min(i(x,y)))

17、其中，ienhanced(x,y)表示增強(qiáng)后圖像，i(x,y)表示原始圖像，α(x,y)表示對(duì)比度調(diào)整系數(shù)。

18、優(yōu)選的，所述s3中，圖像增強(qiáng)途徑包括：

19、自適應(yīng)平均增強(qiáng)，根據(jù)圖像的灰度分布，自適應(yīng)地調(diào)整圖像的亮度，自適應(yīng)平均增強(qiáng)公式表示為：

20、ienhanced(x,y)＝β(x,y)i(x,y)

21、其中，ienhanced(x,y)表示增強(qiáng)后圖像，i(x,y)表示原始圖像，β(x,y)表示亮度調(diào)整系數(shù)。

22、優(yōu)選的，所述s3中，圖像增強(qiáng)途徑包括：

23、自適應(yīng)對(duì)比度增強(qiáng)，根據(jù)圖像的灰度分布，自適應(yīng)地調(diào)整圖像的對(duì)比度和亮度，自適應(yīng)對(duì)比度增強(qiáng)公式表示為：

24、ienhanced(x,y)＝β(x,y)i(x,y)+α(x,y)(max(i(x,y))-min(i(x,y)))

25、其中，ienhanced(x,y)表示增強(qiáng)后圖像，i(x,y)表示原始圖像，α(x,y)表示對(duì)比度調(diào)整系數(shù)，β(x,y)表示亮度調(diào)整系數(shù)。

26、優(yōu)選的，所述s3中圖像增強(qiáng)途徑還包括調(diào)整圖像中顏色和亮度的空間位置關(guān)系的自動(dòng)色彩均衡，通過(guò)進(jìn)行局部特性的自適應(yīng)濾波，實(shí)現(xiàn)具有局部和非線(xiàn)性特征的圖像亮度與色彩調(diào)整和對(duì)比度調(diào)整，調(diào)整步驟具體包括：

27、s31，對(duì)圖像進(jìn)行色彩/空域調(diào)整，完成圖像的色彩校正，得到空域重構(gòu)圖像，表示為：

28、

29、式中，rc是中間結(jié)果，ic(p)為兩個(gè)不同點(diǎn)的亮度差，d(p,j)表示距離度量函數(shù)，r(*)為亮度表現(xiàn)函數(shù)，為奇函數(shù)，此步驟可以使用局部圖像對(duì)比度，r(*)能夠放大并豐富的差異，根據(jù)局部?jī)?nèi)容擴(kuò)展或者壓縮動(dòng)態(tài)范圍，r(*)表示為：

30、

31、s32，對(duì)校正后的圖像進(jìn)行動(dòng)態(tài)擴(kuò)展，對(duì)彩色輸入圖片的每一個(gè)色道分別處理，線(xiàn)性擴(kuò)展公式表示為：

32、r(x)＝round[127.5+w*rc(p)]

33、其中，w表示線(xiàn)段[(0，mc),(255,mc)]的斜率，且有：mc＝min[rc(p)]，mc＝max[rc(p)]；

34、s33，將r(x)擴(kuò)展到[0,1]之間，得到增強(qiáng)后的通道，公式表達(dá)為：

35、

36、優(yōu)選的，計(jì)算時(shí)，通過(guò)指定采樣數(shù)來(lái)替代與整幅圖像的像素點(diǎn)信息進(jìn)行差分計(jì)算，減少運(yùn)算量，提高效率。

37、優(yōu)選的，所述s4中，通過(guò)深度學(xué)習(xí)模型學(xué)習(xí)恢復(fù)具備模糊和噪聲的圖像，具體操作步驟包括：

38、s41，將具備模糊和噪聲因素的圖像作為輸入數(shù)據(jù)，輸入深度學(xué)習(xí)模型；

39、s42，通過(guò)深度學(xué)習(xí)模型學(xué)習(xí)恢復(fù)原圖像，恢復(fù)過(guò)程公式表達(dá)為：

40、irecovered＝f(idegraded)

41、其中，irecovered表示恢復(fù)后的圖像，idegraded表示模糊、噪聲等影響圖像質(zhì)量的因素，f(*)表示深度學(xué)習(xí)模型。

42、優(yōu)選的，所述s5中，圖像生成是利用生成對(duì)抗網(wǎng)絡(luò)生成新的圖像，具體操作步驟包括：

43、s51，將原始圖像作為生成對(duì)抗網(wǎng)絡(luò)的輸入數(shù)據(jù)，生成新的圖像，生成過(guò)程公式表示為：

44、g(z)＝irend

45、其中，g(z)表示生成的圖像，z表示隨機(jī)噪聲，irend表示原始圖像；

46、s52，將生成的圖像與原始圖像進(jìn)行對(duì)比，判斷生成的圖像是否與原始的圖像相似，判斷過(guò)程公式表達(dá)為：

47、d(ireal,g(z))＝1

48、其中，d(ireal,g(z))表示判斷生成的圖像與原始圖像是否相似的結(jié)果；

49、s53，通過(guò)訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)，使得生成的圖像與原始圖像更加相似，訓(xùn)練過(guò)程公式表達(dá)為：

50、

51、其中v(d,g)表示生成對(duì)抗網(wǎng)絡(luò)的損失函數(shù)，pdata(x)表示原始圖像的概率分布，pz(z)表示隨機(jī)噪聲的概率分布，e表示期望值。

52、優(yōu)選的，引入平均結(jié)構(gòu)相似性和峰值信息量作為評(píng)估指標(biāo)，評(píng)估增強(qiáng)后的圖像質(zhì)量，數(shù)學(xué)模型公式表達(dá)為：

53、y＝f(x；θ)

54、其中，x表示原始圖像，y表示增強(qiáng)后的圖像，f表示卷積神經(jīng)網(wǎng)絡(luò)函數(shù)，θ表示卷積神經(jīng)網(wǎng)絡(luò)函數(shù)的參數(shù)。

55、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

56、本發(fā)明依托深度學(xué)習(xí)網(wǎng)絡(luò)對(duì)待處理的圖像依次經(jīng)過(guò)圖像預(yù)處理、圖像增強(qiáng)、圖像恢復(fù)和圖像生成等步驟，在提升原有深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練效率和性能的前提下，對(duì)輸入圖像的亮度、對(duì)比度、飽和度和色彩進(jìn)行一系列的調(diào)整，提高圖像質(zhì)量的同時(shí)，也去除了圖像表面的模糊和噪聲等影響圖像質(zhì)量的因素，通過(guò)深度學(xué)習(xí)模型進(jìn)一步恢復(fù)圖像，最后生成一個(gè)接近于現(xiàn)實(shí)的新圖像，而且深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型能夠自主學(xué)習(xí)迭代，通過(guò)訓(xùn)練不斷地縮減圖片處理時(shí)間，提升處理圖片質(zhì)量。