本申请公开了一种图像复原方法、装置、电子设备及存储介质。该方法包括：获取待复原的原始暗光图像；获取预先训练的图像处理模型；将原始暗光图像输入图像处理模型，以使图像处理模型中的光特征提取网络提取原始暗光图像中的光照特征，以及图像特征提取网络提取原始暗光图像中的目标图像特征，基于光照特征以及目标图像特征生成目标明亮图像。本申请采光照编码提取提取网络和图像特征提取网络分别对原始暗光图像的图像特征进行处理，得到光照特征和目标图像特征，然后融合光照特征和目标图像特征进行图像复原，实现以一个模型对暗光图像进行暗光增强得到明亮图像，不再需要分别使用暗光增强模型和超分辨率两个模型进行图像复原。复原。复原。
【技术实现步骤摘要】
一种图像复原方法、装置、电子设备及存储介质
[0001]本申请涉及图像处理领域，尤其涉及一种图像复原方法、装置、电子设备及存储介质。
技术介绍
[0002]超分辨率（Super Resolution，SR）是从给定的低分辨率图像中恢复高分辨率图像的过程，是计算机视觉的一个经典应用,在监控设备、卫星图像遥感等领域都有重要的应用价值。
[0003]在监控或遥感等场景中，当晚上或大雾天等光照缺乏的情况下，获取的图像质量很差，此时直接进行超分辨率所得到的图像会呈现灰暗模糊的情况，无法达到提升视觉效果的作用，需要对图像再使用暗光图像增强技术进行图像复原。
[0004]现有的技术中的超分辨率模型，大部分都是应用在充足光照图像下的超分辨率，没有针对暗光图像进行视觉增强，这些缺点限制了它们在真实暗光场景中的使用。
技术实现思路
[0005]为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提供了一种图像复原方法、装置、电子设备及存储介质。
[0006]根据本申请实施例的一个方面，提供了一种图像复原方法，包括：获取待复原的原始暗光图像；获取预先训练的图像处理模型，其中，所述图像处理模型包括：光特征提取网络和图像特征提取网络；将所述原始暗光图像输入所述图像处理模型，以使所述图像处理模型中的光特征提取网络提取所述原始暗光图像中的光照特征，以及图像特征提取网络提取所述原始暗光图像中的目标图像特征，基于所述光照特征以及所述目标图像特征生成目标明亮图像。
[0007]进一步的，所述获取预先训练的图像处理模型，包括：获取训练样本集合，其中，所述训练样本集合中包括多个暗光样本图像，以及所述暗光样本图像对应的明亮样本图像；将所述暗光样本图像输入至初始图像处理模型，以使所述初始图像处理模型中的光特征提取网络和图像特征提取网络分别提取所述暗光样本图像的图像特征，基于所述图像特征生成明亮图像；计算所述明亮图像与所述明亮图像对应明亮样本图像之间的损失函数值；在所述损失函数值小于预设阈值的情况下，将所述初始图像处理模型确定为所述图像处理模型。
[0008]进一步的，所述方法还包括：在所述损失函数值大于或等于预设阈值的情况下，更新所述初始图像处理模型中的模型参数，得到更新后的初始图像处理模型；
使用所述训练样本集合中的暗光样本图像对更新后的初始图像处理模型进行训练，直至更新后的初始图像处理模型输出的明亮图像与明亮样本图像之间的损失函数值小于预设阈值。
[0009]进一步的，所述初始图像处理模型包括：光特征提取网络和图像特征提取网络，其中，所述光特征提取网络中包括基于光照编码矩阵确定的卷积参数以及卷积层，所述图像特征提取网络中包括多个全连接层。
[0010]进一步的，在将所述暗光样本图像输入至初始图像处理模型之前，所述方法还包括：获取多个不同曝光程度的真实明亮图像，并对所述真实明亮图像进行裁剪，得到多个图像块；基于图像块进行图像编码，得到编码信息，并根据编码信息得到光照编码矩阵；基于所述光照编码矩阵确定所述光特征提取网络在特征融合过程中的卷积参数，以及确定所述图像特征提取网络在特征融合过程中的通道系数。
[0011]进一步的，所述将所述暗光样本图像输入至初始图像处理模型，以使所述初始图像处理模型中的光特征提取网络和图像特征提取网络分别提取所述暗光样本图像的图像特征，基于所述图像特征生成明亮图像，包括：将所述暗光样本图像输入至初始图像处理模型，以使所述初始图像处理模型提取所述暗光样本图像的图像特征，基于所述光特征提取网络根据图像特征以及所述光照编码矩阵生成第一图像特征，以及基于图像特征提取网络根据所述图像特征和所述通道系数生成第二图像特征，融合所述第一图像特征以及第二图像特征，生成明亮图像。
[0012]根据本申请实施例的另一方面，还提供了一种图像复原装置，包括：第一获取模块，用于获取待复原的原始暗光图像；第二获取模块，用于获取预先训练的图像处理模型，其中，所述图像处理模型包括：光特征提取网络和图像特征提取网络；处理模块，用于将所述原始暗光图像输入所述图像处理模型，以使所述图像处理模型中的光特征提取网络提取所述原始暗光图像中的光照特征，以及图像特征提取网络提取所述原始暗光图像中的目标图像特征，基于所述光照特征以及所述目标图像特征生成目标明亮图像。
[0013]根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的步骤。
[0014]根据本申请实施例的另一方面，还提供了一种电子装置，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：存储器，用于存放计算机程序；处理器，用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
[0015]本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的步骤。
[0016]本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请采用图像处理模型中的光照编码提取提取网络和图像特征提取网络分别对原始暗光图像的图像特征进行处理，得到光照特征和目标图像特征，然后依据光照特征和目标图像特征融合后
的特征进行图像复原，实现了通过一个模型对暗光图像进行暗光增强得到明亮图像，相比现有技术，不再需要分别使用暗光增强模型和超分辨率两个模型进行图像复原，提高了处理效率。
附图说明
[0017]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0018]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请实施例提供的一种图像复原方法的流程图；图2为本申请另一实施例提供的一种图像复原方法的流程图；图3为本申请实施例提供的光照编码矩阵的训练示意图；图4为本申请实施例提供的图像复原过程的示意图；图5为本申请实施例提供的一种图像复原装置的框图；图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0020]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个类似的实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像复原方法，其特征在于，包括：获取待复原的原始暗光图像；获取预先训练的图像处理模型，其中，所述图像处理模型包括：光特征提取网络和图像特征提取网络，所述光特征提取网络中包括基于光照编码矩阵确定的卷积参数以及卷积层，所述图像特征提取网络中包括多个全连接层；将所述原始暗光图像输入所述图像处理模型，以使所述图像处理模型中的光特征提取网络提取所述原始暗光图像中的光照特征，以及图像特征提取网络提取所述原始暗光图像中的目标图像特征，基于所述光照特征以及所述目标图像特征生成目标明亮图像。2.根据权利要求1所述的方法，其特征在于，所述获取预先训练的图像处理模型，包括：获取训练样本集合，其中，所述训练样本集合中包括多个暗光样本图像，以及所述暗光样本图像对应的明亮样本图像；将所述暗光样本图像输入至初始图像处理模型，以使所述初始图像处理模型中的光特征提取网络和图像特征提取网络分别提取所述暗光样本图像的图像特征，基于所述图像特征生成明亮图像；计算所述明亮图像与所述明亮图像对应明亮样本图像之间的损失函数值；在所述损失函数值小于预设阈值的情况下，将所述初始图像处理模型确定为所述图像处理模型。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述损失函数值大于或等于预设阈值的情况下，更新所述初始图像处理模型中的模型参数，得到更新后的初始图像处理模型；使用所述训练样本集合中的暗光样本图像对更新后的初始图像处理模型进行训练，直至更新后的初始图像处理模型输出的明亮图像与明亮样本图像之间的损失函数值小于预设阈值。4.根据权利要求2所述的方法，其特征在于，所述初始图像处理模型包括：光特征提取网络和图像特征提取网络，其中，所述光特征提取网络中包括基于光照编码矩阵确定的卷积参数以及卷积层，所述图像特征提取网络中包括多个全连接层。5.根据权利要求4所述的方法，其特征在于，在将所述暗光样本图像输入至初始图像处理模型之前，所述方法还包括：获取多个不同曝光程度的真实明亮图像，并对所述真实明亮图像进行裁...
【专利技术属性】
技术研发人员：张英杰，史宏志，赵雅倩，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。