【技术实现步骤摘要】
图像增强方法、装置、智能终端及计算机可读存储介质
[0001]本专利技术涉及图像处理
,尤其涉及的是一种图像增强方法、装置、智能终端及计算机可读存储介质。
技术介绍
[0002]图像增强算法由于能够为用户的图片拍摄或画面显示提供更好的拍摄或显示效果,而被广泛应用于各种智能终端。人像作为图片中最常见的拍摄场景,人像增强是各个智能终端厂商最关注的增强领域之一。现有图像增强算法是先对图像进行人像分割,再分别对人像区域和背景区域进行图像处理,一方面会增加图像增强算法的处理时间,另一方面人像区域与背景区域的分界线处容易出现过渡不自然的问题。
[0003]因此,现有技术还有待改进和发展。
技术实现思路
[0004]本专利技术提供一种图像增强方法、装置、智能终端及计算机可读存储介质,旨在解决现有人像区域与背景区域的分界处容易出现过渡不自然的问题。
[0005]本专利技术解决问题所采用的技术方案如下:
[0006]第一方面,本专利技术实施例提供一种图像增强方法,包括:
[0007]确定获取的待处理图像对应的双边网络变换系数矩阵和指导图;
[0008]根据双边网络变换系数矩阵和指导图,确定待处理图像中的各个像素点对应的像素级变换系数矩阵;
[0009]根据像素级变换系数矩阵对待处理图像进行图像处理,得到目标增强图像。
[0010]第二方面,本专利技术实施例还提供一种图像增强装置,包括:
[0011]第一确定模块,用于确定获取的待处理图像对应的双边网络 ...
【技术保护点】
【技术特征摘要】
1.一种图像增强方法,其特征在于,包括:确定获取的待处理图像对应的双边网络变换系数矩阵和指导图;根据所述双边网络变换系数矩阵和所述指导图,确定所述待处理图像中的各个像素点对应的像素级变换系数矩阵;根据所述像素级变换系数矩阵对所述待处理图像进行图像处理,得到目标增强图像。2.根据权利要求1所述的方法,其特征在于,所述方法应用于包括自注意力卷积神经网络和浅层神经网络的图像增强模型,所述确定获取的待处理图像对应的双边网络变换系数矩阵和指导图,包括:对获取的待处理图像进行压缩,得到目标压缩图像;将所述目标压缩图像输入所述自注意力卷积神经网络进行处理,输出所述待处理图像对应的双边网络变换系数矩阵,以及将所述待处理图像输入所述浅层神经网络进行处理,输出所述待处理图像对应的指导图。3.根据权利要求2所述的方法,其特征在于,所述自注意力卷积神经网络包括依次级联的自注意力模块、第一特征提取模块、第一特征融合模块以及第一卷积层,所述将所述目标压缩图像输入所述自注意力卷积神经网络进行处理,输出所述待处理图像对应的双边网络变换系数矩阵,包括:将所述目标压缩图像输入所述自注意力卷积神经网络中,通过所述自注意力模块对所述目标压缩图像进行特征提取,得到第一特征图;通过所述第一特征提取模块分别对所述第一特征图进行局部特征提取和全局特征提取,得到局部特征图和全局特征图;通过所述第一特征融合模块对所述全局特征图与所述局部特征图进行特征融合,得到融合特征图;通过所述第一卷积层对所述融合特征图进行特征扩展与拆分,得到所述待处理图像对应的双边网络变换系数矩阵。4.根据权利要求3所述的方法,其特征在于,所述自注意力模块包括依次级联的第二卷积层、第一激活层、第三卷积层、第二激活层以及第一特征融合层,所述第二卷积层的输出项为所述第一激活层的输入项,所述第一激活层的输出项为所述第三卷积层的输入项,所述第三卷积层的输出项为所述第二激活层的输入项,所述第二激活层的输出项和所述第二卷积层的输入项为所述第一特征融合层的输入项。5.根据权利要求3所述的方法,其特征在于,所述第一特征提取模块包括依次级联的第四卷积层、若干深度可分离卷积单元、第一特征提取单元,以及与所述第一特征提取单元并联的第二特征提取单元,所述第四卷积层的输出项为所述若干深度可分离卷积单元的输入项,所述若干深度可分离卷积单元的输出项为所述第一特征提取单元和所述第二特征提取单元的输入项。6.根据权利要求5所述的方法,其特征在于,每个所述深度可分离卷积单元均包括第一深度可分离卷积层、第三激活层、第二深度可分离卷积层、第二特征融合层,以及与所述第二特征融合层级联的第三深度可分离卷积层,所述第一深度可分离卷积层的输出项为所述第三激活层的输入项,所述第三激活层的输出项为所述第二深度可分离卷积层的输入项,所述第一深度可分离卷积层的输入项为所述第三深度可分离卷积层的输入项,所述第二深
度可分离卷积层的输出项和所述第三深度可分离卷积层的输出项为所述第二特征融合层的输入项。7.根据权利要求1所述的方法,其特征在于,所述指导图的尺寸...
【专利技术属性】
技术研发人员:李逸群,俞大海,凌健,
申请(专利权)人:TCL科技集团股份有限公司,
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。