[发明专利]计算机实现的图像处理方法、图像增强卷积神经网络和计算机产品

说明书

提供了一种计算机实现的图像处理方法。计算机实现的图像处理方法包括：获得一对训练样本，该对训练样本包括具有第一清晰度的训练图像和具有第二清晰度的参考图像，所述第二清晰度大于所述第一清晰度，同一对中的所述训练图像的至少部分和所述参考图像的至少部分具有相同内容；将所述训练图像输入到所述图像增强卷积神经网络，以生成训练增强图像；将所述训练增强图像输入到边缘检测器中；由所述边缘检测器生成多个第一边缘图；将所述参考图像输入到所述边缘检测器中；由所述边缘检测器生成多个第二边缘图；以及调整所述图像增强卷积神经网络中的参数，以至少使所述一个或多个第一损失和第二损失最小化。

技术领域

本发明涉及人工智能，更具体地说，涉及一种计算机实现的图像处理方法、一种图像增强卷积神经网络和一种计算机产品。

背景技术

图像增强是一种常用的图像处理技术，用于提高图像质量和用户的观看体验。例如，当图像被过度曝光时，其总体上看起来更亮，并且过度曝光的图像的对比度低，导致不能容易地区分过度曝光的图像中的场景。图像增强可以用于过度曝光的图像中以增强过度曝光的图像的对比度。

发明内容

在一个方面，本公开提供了一种计算机实现的图像处理方法，包括：将第一图像输入到训练好的图像增强卷积神经网络中；通过所述训练好的图像增强卷积神经网络处理所述第一图像，以获得第二图像，所述第二图像的清晰度比所述第一图像的清晰度大；其中，通过训练图像增强卷积神经网络获得所述训练好的图像增强卷积神经网络；其中，训练所述图像增强卷积神经网络包括：获得一对训练样本，该对训练样本包括具有第一清晰度的训练图像和具有第二清晰度的参考图像，所述第二清晰度大于所述第一清晰度，同一对中的所述训练图像的至少部分和所述参考图像的至少部分具有相同内容；将所述训练图像输入到所述图像增强卷积神经网络，以生成训练增强图像；将所述训练增强图像输入到边缘检测器中；由所述边缘检测器生成多个第一边缘图；将所述参考图像输入到所述边缘检测器中；由所述边缘检测器生成多个第二边缘图；基于所述多个第一边缘图和所述多个第二边缘图来计算一个或多个第一损失，基于所述多个第一边缘图中的相应一个和所述多个第二边缘图中的相应一个来计算所述一个或多个第一损失中的相应一个，所述多个第一边缘图中的所述相应一个和所述多个第二边缘图中的所述相应一个具有相同的尺度；将所述训练增强图像与所述参考图像进行比较，以计算第二损失；以及调整所述图像增强卷积神经网络中的参数，以至少使所述一个或多个第一损失和所述第二损失最小化。

可选地，边缘检测器是边缘检测神经网络，所述边缘检测神经网络包括N个边缘图生成器，所述N个边缘图生成器分别被配置为生成N个边缘图；其中，所述N个边缘图生成器中的第n个边缘图生成器包括第n组卷积层和被配置为输出相同尺度的第n个边缘图的第n个侧面层，1≤n≤N；以及当1≤n＜N时，所述第n个边缘图生成器还包括第n个下采样层。

可选地，由所述边缘检测器生成所述多个第一边缘图包括：由所述第n个边缘图生成器生成相同尺度的第n个第一边缘图；其中，生成所述第n个第一边缘图包括：将第(n-1)个第一图像输入到所述第n组卷积层中；由所述第n组卷积层处理所述第(n-1)个第一图像，以生成第n个处理后的第一图像；由所述第n个下采样层对所述第n个处理后的第一图像进行下采样，以生成第n个下采样后的第一图像；由所述第n个侧面层处理所述第n个处理后的第一图像，以生成相同尺度的所述第n个第一边缘图；以及当n＜N时，将所述第n个下采样后的第一图像输入到第(n+1)组卷积层中；其中，当n＝1时，所述第(n-1)个第一图像是所述训练增强图像；以及当n＞1时，所述第(n-1)个第一图像是第(n-1)个下采样后的第一图像。