[发明专利]一种基于模板的图像增强方法及装置

权利要求书

1.一种基于模板的图像增强方法，其特征在于，用于将图像增强至任意指定模板图像的亮度；将待增强图像的RGB三通道图像与同场景模板图像的RGB三通道图像拼接为六通道图像后对其进行下采样，将下采样得到的六通道特征图像输入增强参数模型，利用所述增强参数模型所输出的分别对应RGB三通道的三个伽马校正参数对待增强图像的RGB三通道图像进行伽马变换，得到增强后图像；所述增强参数模型是按照以下方法预先训练的神经网络：对训练集中的每一幅训练样本图像，为其准备一幅同场景的模板图像并通过对模板图像的RGB三通道图像分别进行随机伽马变换得到期望图，将训练样本图像的RGB三通道图像与期望图的RGB三通道图像拼接为六通道图像后对其进行下采样，以下采样得到的六通道特征图像作为输入，以对应RGB三通道的三个伽马校正参数作为输出，以缩小用所述三个伽马校正参数对所述训练样本图像进行伽马变换后的变换图像与所述期望图之间的亮度和对比度差异为目标，对所述神经网络进行训练。

2.如权利要求1所述基于模板的图像增强方法，其特征在于，所述神经网络为卷积神经网络。

3.如权利要求1所述基于模板的图像增强方法，其特征在于，所述下采样为网格化随机采样。

4.如权利要求1所述基于模板的图像增强方法，其特征在于，所述神经网络的损失函数为均方误差损失函数MSE与局部损失函数Region的加权和。

5.一种基于模板的图像增强装置，其特征在于，用于将图像增强至任意指定模板图像的亮度；包括：

特征提取模块，用于将待增强图像的RGB三通道图像与同场景模板图像的RGB三通道图像拼接为六通道图像后对其进行下采样，得到六通道特征图像；

增强参数模型，其输入为所述六通道特征图像，其输出为分别对应RGB三通道的三个伽马校正参数，通过以下方法对神经网络预先训练得到：对训练集中的每一幅训练样本图像，为其准备一幅同场景的模板图像并通过对模板图像的RGB三通道图像分别进行随机伽马变换得到期望图，将训练样本图像的RGB三通道图像与期望图的RGB三通道图像拼接为六通道图像后对其进行下采样，以下采样得到的六通道特征图像作为输入，以对应RGB三通道的三个伽马校正参数作为输出，以缩小用所述三个伽马校正参数对所述训练样本图像进行伽马变换后的变换图像与所述期望图之间的亮度和对比度差异为目标，对所述神经网络进行训练；

伽马校正模块，用于利用所述增强参数模型所输出的分别对应RGB三通道的三个伽马校正参数对待增强图像的RGB三通道图像进行伽马变换，得到增强后图像。

6.如权利要求5所述基于模板的图像增强装置，其特征在于，所述神经网络为卷积神经网络。

7.如权利要求5所述基于模板的图像增强装置，其特征在于，所述下采样为网格化随机采样。

8.如权利要求5所述基于模板的图像增强装置，其特征在于，所述神经网络的损失函数为均方误差损失函数MSE与局部损失函数Region的加权和。