[发明专利]多任务图像复原方法、系统、电子设备及存储介质

说明书

本发明提供一种多任务图像复原方法、系统、电子设备及存储介质，方法包括：获取待处理的原始图像；将原始图像输入图像复原模型，得到图像复原模型输出的复原图像；其中，图像复原模型是基于非配对图像数据分别对终身循环生成对抗网络进行低光增强、去模糊和去噪多个图像复原任务训练得到的。本发明提供的多任务图像复原方法、系统、电子设备及存储介质，通过非配对图像数据分别对终身循环生成对抗网络进行低光增强、去模糊和去噪多个图像复原任务训练得到图像复原模型，可同时实现低光增强、去模糊和去噪等多任务图像复原，更加准确可靠，该图像复原模型基于非配对图像数据训练得到，避免了训练数据的局限性问题，易于实现。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种多任务图像复原方法、系统、电子设备及存储介质。

背景技术

随着人工智能技术的发展，机器人技术的应用越来越广泛，如机械加工、汽车的零部件制造、家具制造等自动化的生产过程中，机器人的作用越来越凸显。视觉系统作为机器人感知周围环境信息的重要部分，成为近些年来人工智能领域的研究热点。然而，视觉系统在移动机器人或自动驾驶车辆等智能体上的性能很大程度上取决于捕获图像的质量。但由于这些机器人或智能体的工作环境是多种多样的，如室内和室外或者白天和黑夜，导致拍摄图像的一些细节可能被淹没在低光、模糊和噪声区域，从而严重降低图像质量。因此，低光图像增强、图像去模糊和去噪等图像复原方法对于提高机器视觉系统的可靠性至关重要。

近年来，深度学习在图像复原的应用中取得了巨大的成功。然而，通过深度学习进行图像复原的过程中，仍存在一些问题。首先，大多数深度学习方法都严重依赖于成对的图像来训练模型，然而在现实生活中成对的数据往往很难获取，导致训练数据较为局限。其次，大多数现有的方法通常是为图像复原的特定任务而设计的，当要不断学习新的任务时，它们会发生灾难性的遗忘问题。

因此，现在亟需一种易于实现、准确可靠的多任务图像复原方法来解决上述问题。

发明内容

本发明提供一种多任务图像复原方法、系统、电子设备及存储介质，用以解决现有技术中图像复原方法训练数据较为局限、学习新任务时易发生灾难性遗忘的缺陷，实现准确可靠的多任务图像复原。

第一方面，本发明提供一种多任务图像复原方法，包括：

获取待处理的原始图像；

将所述原始图像输入图像复原模型，得到所述图像复原模型输出的复原图像；

其中，所述图像复原模型是基于非配对图像数据分别对终身循环生成对抗网络进行低光增强、去模糊和去噪多个图像复原任务训练得到的。

根据本发明提供的一种多任务图像复原方法，所述图像复原模型的训练过程包括：

低光增强任务训练：将未配对的低光图像样本数据和正常光图像样本数据分别输入至所述终身循环生成对抗网络进行低光增强任务训练，得到低光增强任务的网络模型；

去模糊任务训练：对所述低光增强任务的网络模型进行初始化，将模糊图像数据集输入所述低光增强任务的网络模型，进行去模糊任务训练，并加入知识蒸馏和记忆重放进行约束，得到去模糊任务的网络模型；

去噪任务训练：对所述去模糊任务的网络模型进行初始化，将去噪声图像数据集输入所述去模糊任务的网络模型，进行去噪任务训练，并加入知识蒸馏和记忆重放进行约束，得到图像复原模型。

根据本发明提供的一种多任务图像复原方法，所述低光增强任务训练的过程，包括：

将未配对的低光图像样本数据和正常光图像样本数据作为真实图像数据分别输入至所述终身循环生成对抗网络；

通过全局生成器获得所述真实图像数据对应的生成图像数据；

通过全局鉴别器区分所述真实图像数据和所述生成图像数据；