【技术实现步骤摘要】
基于非局部特征的图像增强系统、图像增强方法
[0001]本专利技术通常涉及用于增强图像的系统和方法,更具体地,本专利技术基于非局部特征进行图像处理。
技术介绍
[0002]处理图像时可以使用相似像素或相似特征来实现去噪、去模糊、超分辨率等。但是,如果想要找到更接近的相似特征,就需要进行更多计算。尤其在传统方式下,不但效率低,而且不精确。最近,对于超分辨率、去噪、多帧系统图像增强或视频增强等需要像素关系来解决问题的很多图像处理任务中,深度学习模型都能够达到良好性能。
[0003]Adobe公司所属的专利公告号为9,087,390的已公告美国专利公开了一种与放大图像序列相关的技术。此外,该专利还公开了基于包括多个帧的原始图像序列中的原始帧生成上采样帧。尽管该专利提供了图像放大以引入噪声或放大图像中现有的噪声,但仍然缺乏端到端的可训练引导系统或方法。
[0004]Facebook公司所属的专利申请号为20190156210的另一项美国专利申请公开了一种与网络环境内利用机器学习进行图像分析和视频分析相关的技术,尤其涉及用于智能助理系统的硬件和软件。虽然该专利技术包括机器学习,是对先前专利的改进,但仍未能低成本且精确地实现图像增强。
[0005]上海交通大学所属的专利公告号为109360156的另一项中国专利申请提供了一种基于生成对抗网络的图像分块的单张图像去雨方法或系统。该专利技术鉴于现有技术的上述不足,提供了一种基于生成对抗网络的图像分块的单张图像去雨方法,以解决各种雨天情况下捕获的单张图像的恢复等 ...
【技术保护点】
【技术特征摘要】
1.一种用于增强图像的图像增强系统,包括:特征提取模块,用于接收图像,其中,所述特征提取模块包括:处理单元,其中,所述处理单元处理所述图像的至少一帧以生成多个特征合并层,所述处理单元进一步将所述多个特征合并层中的至少一个特征合并层与条件图连接,以形成一个或多个合并特征图;以及提取单元,其中,所述提取单元从所述一个或多个合并特征图中提取多个特征提取层,所述提取单元还从所述多个特征提取层中提取多个特征;非局部特征生成器,其中,所述非局部特征生成器对所述多个特征进行平移,以形成一个或多个平移特征图;以及非局部特征增强模块,其中,所述非局部特征增强模块对所述一个或多个平移特征图进行合并,以形成一个或多个非局部合并特征图,其中,所述非局部特征增强模块包括:重构单元,其中,所述重构单元基于所述一个或多个非局部合并特征图构造多个重构层;以及连接单元,其中,所述连接单元连接所述多个重构层与所述条件图,以形成增强图像。2.根据权利要求1所述的图像增强系统,其中,所述非局部特征增强模块内的非局部特征合并块NLFMB模型识别像素之间的关系以形成所述增强图像。3.根据权利要求2所述的图像增强系统,其中,所述非局部特征合并块NLFMB在形成所述一个或多个非局部合并特征图之前对所述一个或多个平移特征图进行检查并校正。4.根据权利要求1所述的图像增强系统,其中,所述条件图为用于去噪的噪声水平图。5.根据权利要求1所述的图像增强系统,其中,所述条件图通过对所述多个特征合并层施加锐度权重形成所述一个或多个合并特征图来增强图像。6.根据权利要求1所述的图像增强系统,其中,所述非局部特征生成器通过时间维度检查空间相似性,以降低计算成本。7.根据权利要求1所述的图像增强系统,其中,所述非局部特征生成器在所述多个特征上生成九个不同方向,形成所述多个特征平移层。8.根据权利要求1所述的图像增强系统,其中,所述非局部特征增强模块包括深度学习块,以避免所述多个特征提取层之间产生大的移位。9.根据权利要求8所述的图像增强系统,其中,所述深度学习块基于可变形卷积网络DCN、自注意力机制和三维卷积网络中的任意一个。10.根据权利要求9所述的图像增强系统,其中,所述DCN识别所述一个或多个非局部合并特征图之间的关系以用于配准。11.根据权利要求9所述的图像增强系统,其中所述自注意力机制检查所述一个或多个非局部合并特征图的像素关系。12.根据权利要求9所述的图像增强系统,其中,所述自注意力机制包括空间注意力和时间注意力。13.根据权利要求9所述的图像增强系统,其中,所述三维卷积网络合并所述一个或多个平移特征图以识别至少一个平移特征图,以形成所述一个或多个非局部合并特征图。14.根据权利要求1所述的图像增强系统,其中,所述非局部特征生成器在U
‑
Net编码器中提取所述多个特征。15.一种基于非局部特征处理图像的图像增强系统,其中,所述图像增强系统包括:
特征提取模块,用于接收图像,其中所述特征提取模块包括:处理单元,其中,所述处理单元处理所述图像的至少一帧以生成多个特征合并层,所述处理单元进一步将所述多个特征合并层中的至少一个特征合并层与条件图连接,以形成一个或多个合并特征图;以及提取单元,其中,所述提取单元从所述一个或多个合并特征图中提取多个特征提取层,所述提取单元还从所述多个特征提取层中提取多个特征;非局部特征生成器,其中,所述非局部特征生成器包括:移位...
【专利技术属性】
技术研发人员:沈山岚,段宇波,
申请(专利权)人:黑芝麻智能科技重庆有限公司,
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。