图像增强模型的训练方法、图像增强方法

1.本发明涉及图像处理领域，具体涉及一种图像增强模型的训练方法、图像增强方法。


背景技术：

2.图像增强的目的是为了改善图像质量，从而使得处理后的图像更适合于人的视觉特性或机器识别系统。
3.图像增强方法根据作用域可分为空间域方法和频率城方法。空间域法是指在图像空间域内直接对像素灰度值进行运算处理，常用有灰度变换、直方图修正、模板卷积、伪彩色处理等。频率域法就是在图像的某种变换域内对图像的变换值进行增强处理，然后通过逆变换获得增强图像，是一种间接处理方法。图像增强方法根据处理目的和效果又可分为平滑和锐化。平滑对图像有模糊作用，使得图像过渡自然柔和，抑制噪声；基于图像频率特性从频率的角度来理解，平滑是保持或加强图像中的低频成分，削弱或消除图像中的高频成分。而锐化则可看作是平滑的反操作，效果和目的是突出细节，使图像轮廓清晰、对比分明；从频域处理的角度来看，锐化是增强图像中的高频成分。
4.目前，图像增强处理时普遍采用整个图像用同一种增强强度处理的方式，由于图像每一个细节的区别差异，因此常常会存在增强处理后的图像的某一个细节变得更微弱的情况，处理效果不佳。


技术实现要素：

5.为解决上述问题，本发明提供了一种图像增强模型的训练方法、图像增强方法，采用分区域分增强强度的处理方式，使得图像的局部和整体均有很好的增强效果。
6.为实现上述目的，本发明采取的技术方案为：图像增强模型的训练方法，首先构建图像灰度识别模型和图像像素识别模型，然后基于图像的灰度值和像素值训练构建图像增强模型。
7.进一步地，首先构建图像灰度识别模型和图像像素识别模型，然后基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度和像素参数为每一个区域配置对应的图像增强强度，基于每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型。
8.进一步地，首先构建图像灰度识别模型和图像像素识别模型，然后基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度实现灰度-像素图的分割，获取灰度-像素子图集，每一个灰度-像素子图上均标记有其每个区域对应的像素参数，根据每一个灰度-像素子图的亮度以及每个区域对应的像素参数为每一个区域配置对应的图像增强强度，基于每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型。
9.进一步地，亮度越高、像素参数越高对应的图像增强强度越高。此处的增强强度越
高是针对于当前图像的增强目标而言的，不同的图像增强目标具有不同的增强强度门限。
10.进一步地，所述图像灰度识别模型采用基于结构信息相似度的灰度化算法实现灰度图的获取。
11.本发明还提供了一种图像增强方法，首先采用图像灰度识别模型和图像像素识别模型实现获取灰度图和像素值，然后基于图像的灰度图和像素值构建图像的灰度-像素图，基于灰度-像素图内载不同区域的亮度和像素参数为每一个区域配置对应的图像增强强度，最后基于所述图像增强强度实现每一个区域的增强。
12.进一步地，首先采用所述的图像灰度识别模型和图像像素识别模型实现获取灰度图和像素值，然后基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度实现灰度-像素图的分割，获取灰度-像素子图集，每一个灰度-像素子图上均标记有其每个区域对应的像素参数，根据每一个灰度-像素子图的亮度以及每个区域对应的像素参数为每一个区域配置对应的图像增强强度，最后基于所述图像增强强度实现每一个区域的增强。
13.进一步地，亮度越高、像素参数越高对应的图像增强强度越高，此处的增强强度越高是针对于当前图像的增强目标而言的，不同的图像增强目标具有不同的增强强度门限。
14.进一步地，所述图像灰度识别模型采用基于结构信息相似度的灰度化算法实现灰度图的获取。
15.本发明具有以下有益效果：采用根据每一个灰度-像素子图的亮度以及每个区域对应的像素参数为每一个区域配置对应的图像增强强度，基于每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型的方式实现了图像的分区域、分强度增强处理，使得图像的局部和整体均有很好的增强效果。
16.每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型的方式为每一个区域配置了对应的图像增强强度，从而实现了一次处理即可实现图像的分区域、分强度增强处理。
附图说明
17.图1为本发明实施例1的图像增强模型的训练方法的流程图；图2为本发明实施例2的一种图像增强方法的流程图；图3为本发明实施例3的一种图像增强方法的流程图。
具体实施方式
18.为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
19.实施例1图像增强模型的训练方法，包括如下步骤：s1、构建图像灰度识别模型和图像像素识别模型，获取图像的灰度图和像素值；s2、基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图
内载不同区域的亮度实现灰度-像素图的分割，获取灰度-像素子图集，每一个灰度-像素子图上均标记有其每个区域对应的像素参数；s3、根据每一个灰度-像素子图的亮度以及每个区域对应的像素参数为每一个区域配置对应的图像增强强度；s4、基于每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型。
20.本实施例中，所述图像增强模型的输入项为图像坐标参数，图像坐标参数作为解锁密码，算法在遍历图像区域时，只有符合坐标参数的区域可以实现对应图像增强强度的解锁，超过区域时，对应的图像增强强度被锁定，输出项为图像增强强度。亮度越高、像素参数越高对应的图像增强强度越高。
21.本实施例中，所述图像灰度识别模型采用基于结构信息相似度的灰度化算法实现灰度图的获取。
22.实施例2一种图像增强方法，包括如下步骤：s1、构建图像灰度识别模型和图像像素识别模型，获取图像的灰度图和像素值；s2、基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度实现灰度-像素图的分割，获取灰度-像素子图集，每一个灰度-像素子图上均标记有其每个区域对应的像素参数；s3、根据每一个灰度-像素子图的亮度以及每个区域对应的像素参数为每一个区域配置对应的图像增强强度；s4、基于所述图像增强强度实现每一个区域的增强。
23.本实施例中，亮度越高、像素参数越高对应的图像增强强度越高。
24.本实施例中，所述图像灰度识别模型采用基于结构信息相似度的灰度化算法实现灰度图的获取。
25.实施例3一种图像增强方法，包括如下步骤：s1、构建图像灰度识别模型和图像像素识别模型，获取图像的灰度图和像素值；s2、基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度实现灰度-像素图的分割，获取灰度-像素子图集，每一个灰度-像素子图上均标记有其每个区域对应的像素参数；s3、根据每一个灰度-像素子图的亮度以及每个区域对应的像素参数为每一个区域配置对应的图像增强强度；s4、基于每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型；s5、基于所述图像增强模型实现图像的分区域、分强度增强处理。
26.本实施例中，所述图像增强模型的输入项为图像坐标参数，图像坐标参数作为解锁密码，算法在遍历图像区域时，只有符合坐标参数的区域可以实现对应图像增强强度的解锁，超过区域时，对应的图像增强强度被锁定，输出项为图像增强强度。亮度越高、像素参数越高对应的图像增强强度越高。
27.本实施例中，所述图像灰度识别模型采用基于结构信息相似度的灰度化算法实现灰度图的获取。
28.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.图像增强模型的训练方法，其特征在于，首先构建图像灰度识别模型和图像像素识别模型，然后基于图像的灰度值和像素值训练构建图像增强模型。2.如权利要求1所述的图像增强模型的训练方法，其特征在于，首先构建图像灰度识别模型和图像像素识别模型，然后基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度和像素参数为每一个区域配置对应的图像增强强度，基于每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型。3.如权利要求1所述的图像增强模型的训练方法，其特征在于，首先构建图像灰度识别模型和图像像素识别模型，然后基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度实现灰度-像素图的分割，获取灰度-像素子图集，每一个灰度-像素子图上均标记有其每个区域对应的像素参数，根据每一个灰度-像素子图的亮度以及每个区域对应的像素参数为每一个区域配置对应的图像增强强度，基于每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型。4.如权利要求2所述的图像增强模型的训练方法，其特征在于，亮度越高、像素参数越高对应的图像增强强度越高。5.如权利要求2所述的图像增强模型的训练方法，其特征在于，所述图像灰度识别模型采用基于结构信息相似度的灰度化算法实现灰度图的获取。6.一种图像增强方法，其特征在于：首先采用图像灰度识别模型和图像像素识别模型实现获取灰度图和像素值，然后基于图像的灰度图和像素值构建图像的灰度-像素图，基于灰度-像素图内载不同区域的亮度和像素参数为每一个区域配置对应的图像增强强度，最后基于所述图像增强强度实现每一个区域的增强。7.如权利要求6所述的一种图像增强方法，其特征在于：首先采用所述的图像灰度识别模型和图像像素识别模型实现获取灰度图和像素值，然后基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度实现灰度-像素图的分割，获取灰度-像素子图集，每一个灰度-像素子图上均标记有其每个区域对应的像素参数，根据每一个灰度-像素子图的亮度以及每个区域对应的像素参数为每一个区域配置对应的图像增强强度，最后基于所述图像增强强度实现每一个区域的增强。8.如权利要求6所述的一种图像增强方法，其特征在于：亮度越高、像素参数越高对应的图像增强强度越高。9.如权利要求6所述的一种图像增强方法，其特征在于：所述图像灰度识别模型采用基于结构信息相似度的灰度化算法实现灰度图的获取。

技术总结
本发明公开了一种图像增强模型的训练方法、图像增强方法，该图像增强模型的训练方法首先需构建图像灰度识别模型和图像像素识别模型，然后基于图像的灰度图和像素值构建图像的灰度-像素图，然后基于灰度-像素图内载不同区域的亮度和像素参数为每一个区域配置对应的图像增强强度，基于每一个区域所在的图像坐标参数及对应的图像增强强度训练构建图像增强模型。本发明实现了图像的分区域、分强度增强处理，使得图像的局部和整体均有很好的增强效果。效果。效果。


技术研发人员：潘颖
受保护的技术使用者：兰州文理学院
技术研发日：2021.12.14
技术公布日：2022/3/8