[发明专利]一种视频图像增强方法

权利要求书

1.一种视频图像增强方法，其特征在于，包括步骤：

一、基于图像灰度变换对医疗视频图像训练集扩充增强，得到深度学习所需的视频图像数据训练集；

二、对输入的测试图像进行图像降采样处理，得到低分辨率图像；

三、基于深度学习卷积神经网络对所述低分辨率图像进行照射分量预测，得到二维的低分辨率图像照射分量图，包括：

提取所述低分辨率图像的低层次特征；

在提取出的所述低层次特征中，进行多层卷积层叠加，提取出所述低分辨率图像的局部特征信息，得到低层次局部特征图；

对所述低层次特征进行所述多层卷积层和多层全连接层叠加，以组成低层次全局特征图；

将所述低层次局部特征图和低层次全局特征图沿深度维度拼接后，生成新的特征图，以获得二维的低分辨率图像照射分量图；

四、基于三维双边网格与引导滤波对所述低分辨率图像照射分量图进行全分辨率图像照度分量预测，得到全分辨率图像照度分量，包括：

基于所述二维的低分辨率图像照射分量图，构建三维双边网格，利用引导滤波生成引导图，在所述引导图的监督下，对所述三维双边网格进行上采样，同时进行切片操作，以获得全分辨率图像照度分量；

五、对所述全分辨率图像照度分量基于多尺度Retinex模型进行图像增强，得到增强后的图像。

2.根据权利要求1所述的一种视频图像增强方法，其特征在于，在步骤五后执行步骤：

六、基于深度学习卷积神经网络对所述增强后的图像进行图像增强效果判别。

3.根据权利要求2所述的一种视频图像增强方法，其特征在于，

在步骤六中，引入卷积神经网络作为图像增强效果判别器，所述图像增强效果判别器包括块以及全连接层，所述块包括卷积层、激活函数和归一化层；

所述图像增强效果判别器的输入为3通道的彩色图片，所述图像增强效果判别器的输出为一个数值。

4.根据权利要求3所述的一种视频图像增强方法，其特征在于，

所述块的数目取为2~100。

5.根据权利要求3所述的一种视频图像增强方法，其特征在于，

所述块的数目取为3。

6.根据权利要求3-5任一所述的一种视频图像增强方法，其特征在于，

利用所述视频图像数据训练集对所述图像增强效果判别器进行训练。

7.根据权利要求6所述的一种视频图像增强方法，其特征在于，

对所述图像增强效果判别器进行训练的输入方法为：输入光照不足不均匀的第二视频图像集后，再输入与所述第二视频图像集所对应的光照充足均匀的第一视频图像集。

8.根据权利要求7所述的一种视频图像增强方法，其特征在于，

采用所述输入方法后，在对所述图像增强效果判别器进行训练时，

把所述第二视频图像集中的图像变换或映射到所述第一视频图像集Y中的图像；

利用所述图像增强效果判别器来判别所述第二视频图像集中的图像x是否为真实图像。

9.根据权利要求8所述的一种视频图像增强方法，其特征在于，

根据卷积神经网络生成器和所述图像增强效果判别器，训练损失函数，

所述损失函数为均方误差函数、结构相似性损失函数、平滑损失函数、梯度损失函数、平均绝对误差函数以及下面的混合损失函数之一，

混合损失函数=权重系数1梯度损失函数+权重系数2结构相似性损失函数+权重系数3平均绝对误差函数。

10.根据权利要求9所述的一种视频图像增强方法，其特征在于，

采用所述图像增强效果判别器，对所述步骤五中得到的增强后的图像进行判别，

若所述图像增强效果判别器输出的损失数值太大，则重复步骤三、步骤四、步骤五、步骤六；

若所述图像增强效果判别器输出的损失数值收敛至预期值，则所述步骤五中得到的增强后的图像为图像增强的最终结果。