本公开涉及图像信号处理,特别涉及图像增强。
背景技术:
1、随着显示和处理技术的迅猛发展,数字图像在我们的日常生活中发挥着越来越重要的作用。例如,静态图像或一系列运动图像(诸如视频)中的对象检测/识别/比对/跟踪被普遍地和重要地应用于图像处理、计算机视觉和图案识别领域等等,并且在其中起到重要作用。
2、然而,数字图像在获取、处理和传输过程中容易受到多种失真的影响,比如模糊、噪声、压缩失真等等。因此,有必要对失真图像进行适当的处理以减小、甚至是消除失真来增强图像。
3、除非另有说明,否则不应假定本节中描述的任何方法仅仅因为包含在本节中而成为现有技术。同样,除非另有说明,否则关于一种或多种方法所认识出的问题不应在本节的基础上假定在任何现有技术中都认识到。
技术实现思路
1、提供该
技术实现要素:
部分以便以简要的形式介绍本公开的构思,这些构思将在后面的具体实施方式部分被详细描述。
2、本公开的一个目的是对图像信号处理进行优化,特别地对失真图像增强进行优化。
3、在本公开的一个方面,提供了一种图像增强模型的训练设备,所述设备包括处理电路,被配置为利用用于失真图像增强的模型对失真样本图像进行增强,以从失真样本图像得到增强样本图像;基于所述增强样本图像中特定数量的图像块的局部特征向量,确定所述增强样本图像的质量信息;以及基于所述增强样本图像的质量信息来执行所述用于失真图像增强的模型的配置参数优化。
4、在本公开的另一个方面,提供了一种图像增强模型的训练方法,所述方法包括利用用于失真图像增强的模型对失真样本图像进行增强,以来从失真样本图像得到增强样本图像;基于所述增强样本图像中特定数量的图像块的局部特征向量,确定所述增强样本图像的质量信息;以及基于所述增强样本图像的质量信息来执行所述用于失真图像增强的模型的配置参数优化。
5、在本公开的另一方面,提供了一种图像增强设备,所述设备包括处理电路,被配置为获取失真图像;并且将根据本公开的实施例训练得到的图像增强模型应用于失真图像,以获得增强图像。
6、在本公开的还另一方面,提供了一种图像增强方法,所述方法包括获取失真图像;并且将根据本公开的实施例训练得到的图像增强模型应用于失真图像,以获得增强图像。
7、在还另一方面,提供了一种包括至少一个处理器和至少一个存储设备,所述至少一个存储设备其上存储有指令,该指令在由所述至少一个处理器执行时可使得所述至少一个处理器执行如本文所述的方法。
8、在仍另一方面,提供了一种存储有指令的存储介质,该指令在由处理器执行时可以使得执行如本文所述的方法。
9、在仍另一方面,提供了一种程序产品,所述程序产品包含指令,该指令在由处理器执行时可使得所述处理器执行如本文所述的方法。
10、从参照附图的示例性实施例的以下描述,本公开的其它特征将变得清晰。
1.一种图像增强模型的训练设备,所述设备包括处理电路,被配置为:
2.根据权利要求1所述的设备,其中,所述特定数量的图像块是从所述增强样本图像中分割得到的图像块中任意选择的,或者是通过用特定窗口遍历所述增强样本图像而得到的。
3.根据权利要求1或2所述的设备,其中,确定图像质量信息包括:
4.根据权利要求1或2的设备,其中,对于所述特定数量的图像块中的每一个图像块,选择其第k近邻图像块作为其对应图像块以计算两者之间的局部特征向量之间的差异值。
5.根据权利要求1所述的设备,其中,基于所述增强样本图像的质量信息构建损失函数来进行所述图像增强模型的配置参数优化。
6.根据权利要求5所述的设备,其中,所述损失函数依赖于所述增强样本图像的质量信息的取反或者倒数。
7.根据权利要求1所述的设备,其中,所述处理电路进一步配置为:
8.根据权利要求7所述的设备,其中,基于所述样本图像或增强样本图像的质量信息与所述一致性信息来执行所述图像增强模型的配置参数优化包括以下中的至少一个:
9.根据权利要求7所述的设备,其中,通过将所述失真样本图像与所述增强图像的特征向量之间的相似度来作为所述一致性信息。
10.根据权利要求9所述的设备,其中,计算相似度包括以下中的至少一者: