(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210813140.5 (22)申请日 2022.07.11 (71)申请人 华为技术有限公司 地址 518129 广东省深圳市龙岗区坂田华 为总部办公楼 (72)发明人 李卫　汪涛　程震　宋风龙　 (74)专利代理 机构 北京格罗巴尔知识产权代理 事务所(普通 合伙) 11406 专利代理师 项军花 (51)Int.Cl. G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 一种图像处 理方法及装置 (57)摘要 本申请涉及一种图像处理方法及装置， 其 中， 该方法可 以包括： 获取待处理图像及所述待 处理图像对应的多张先验图； 所述多张先验图中 包括通过不同方式所生成的先验图； 将所述多张 先验图输入到第一神经网络进行特征提取， 生成 第一特征； 将所述待处理图像输入到第二神经网 络， 并利用所述第一特征调制所述第二神经网络 的输出特征， 生成第二特征； 通过第三神经网络 对所述待处理图像及所述第二特征进行处理， 得 到目标图像。 通过本申请， 综合利用多张先验 图 的优势， 生成颜色、 亮度、 对比度等优化后的高质 量的目标图像 。 权利要求书4页 说明书24页 附图9页 CN 115375909 A 2022.11.22 CN 115375909 A 1.一种图像处 理方法， 其特 征在于， 包括： 获取待处理图像及所述待处理图像对应的多 张先验图； 所述多张先验图中包括通过不 同方式所生成的先验图； 将所述多张先验图输入到第一神经网络进行 特征提取， 生成第一特 征； 将所述待处理图像输入到第 二神经网络， 并利用所述第 一特征调制所述第 二神经网络 的输出特征， 生成第二特 征； 通过第三神经网络对所述待处 理图像及所述第二特 征进行处 理， 得到目标图像。 2.根据权利要求1所述的方法， 其特征在于， 所述第 二神经网络包括多个子网络， 其中， 不同的子网络用于提取不同的特 征； 所述将所述待处理图像输入到第 二神经网络， 并利用所述第 一特征调制所述第 二神经 网络的输出 特征， 生成第二特 征， 包括： 将所述待处理图像分别输入到所述多个子网络 中的各子网络， 利用所述第 一特征调制 所述各子网络的输出特征， 并对所述各子网络的输出特征进行融合处理， 生成所述第二特 征。 3.根据权利要求2所述的方法， 其特征在于， 所述子网络包括全局变换神经网络和局部 变换神经网络； 所述将所述待处理图像分别 输入到所述多个子网络 中的各子网络， 利用所述第 一特征 调制所述各子网络的输出特征， 并对所述各子网络的输出特征进行融合处理， 生成所述第 二特征， 包括： 将所述待处理图像输入到所述全局变换神经网络， 并利用所述第 一特征调制所述全局 变换神经网络的输出 特征， 生成所述待处 理图像的全局特 征； 将所述待处理图像输入到所述局部变换神经网络， 并利用所述第 一特征调制所述局部 变换神经网络的输出 特征， 生成所述待处 理图像的局部特 征； 对所述全局特 征和所述局部特 征进行融合处 理， 生成所述第二特 征。 4.根据权利要求1 ‑3中任一项所述的方法， 其特征在于， 所述第三神经网络包括： 亮度 感知特征提取网络及亮度增强网络； 所述通过第三神经网络对所述待处理图像及所述第二特征进行处理， 得到目标图像， 包括： 对所述待处理图像进行处理， 生成目标掩码图像， 所述目标掩码图像包括第一区域及 第二区域， 其中， 所述第一区域对应的亮度高于所述第二区域对应的亮度； 通过所述亮度感知特征提取网络， 对所述待处理图像、 所述目标掩码图像进行特征提 取， 并根据所提取的特 征生成亮度调制图， 所述亮度调制图用于对 亮度进行调制； 将所述第二特征输入到所述亮度增强网络， 并利用所述亮度调制图调制所述亮度增强 网络的输出特征， 得到所述目标图像； 其中， 所述亮度增强网络针对亮度对所述第二特征进 行增强。 5.根据权利要求4所述的方法， 其特征在于， 所述对所述待处理图像进行处理， 生成目 标掩码图像， 包括： 通过对所述待处理图像进行直方图均衡化及直方图百分位截取， 生成所述目标掩码图 像。权　利　要　求　书 1/4 页 2 CN 115375909 A 26.根据权利要求 4或5所述的方法， 其特 征在于， 所述亮度增强网络为多 级神经网络； 所述将所述第 二特征输入到所述亮度增强网络， 并利用所述亮度调制图调制所述亮度 增强网络的输出 特征， 得到所述目标图像， 包括： 将所述第二特征输入到所述亮度增强网络， 并利用所述亮度调制图对所述亮度增强网 络中的各级输出特征进行调制， 得到所述 目标图像， 其中， 针对每级输出特征进行调制前， 对所述亮度调制图进行 特征提取。 7.根据权利要求1 ‑6中任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取至少一个训练样本图像及所述训练样本图像对应的多张先验样本图； 根据所述训练样本图像及所述先验样本图对预设模型进行训练， 得到所述第 一神经网 络、 所述第二神经网络及所述第三神经网络 。 8.根据权利要求7所述的方法， 其特征在于， 所述预设模型包括第一预设网络、 第二预 设网络及第三预设网络； 所述根据 所述训练样本图像及所述先验样本图对预设模型进行训练， 得到所述第 一神 经网络、 所述第二神经网络及所述第三神经网络， 包括： 将所述多张先验样本图输入到所述第一预设网络进行 特征提取， 生成第一训练特 征； 将所述训练样本图像输入到所述第 二预设网络， 并利用所述第 一训练特征调制所述第 二预设网络的输出 特征， 生成第二训练特 征； 通过所述第 三预设网络对所述训练样本图像及所述第 二训练特征进行处理， 得到处理 后的图像； 根据所述处理后的图像调整所述预设模型的参数， 直到达到预设训练结束条件， 并将 训练后的所述第一预设 网络作为所述第一神经网络、 训练后的所述第二预设 网络作为所述 第二神经网络、 训练后的所述第三预设网络作为所述第三神经网络 。 9.一种图像处 理装置， 其特 征在于， 包括： 获取模块， 用于获取待处理图像及所述待处理图像对应的多张先验图； 所述多张先验 图中包括 通过不同方式所生成的先验图； 第一特征生成模块， 用于将所述多张先验图输入到第一神经网络进行特征提取， 生成 第一特征； 第二特征生成模块， 用于将所述待处理图像输入到第二神经网络， 并利用所述第一特 征调制所述第二神经网络的输出 特征， 生成第二特 征； 目标图像生成模块， 通过第三神经网络对所述待处理图像及所述第二特征进行处理， 得到目标图像。 10.根据权利要求9所述的装置， 其特征在于， 所述第二神经网络包括多个子网络， 其 中， 不同的子网络用于提取不同的特 征； 所述第二特征生成模块， 还用于： 将所述待处理图像分别输入到所述多个子网络中的 各子网络， 利用所述第一特征调制所述各子网络的输出特征， 并对所述各子网络的输出特 征进行融合处 理， 生成所述第二特 征。 11.根据权利要求10所述的装置， 其特征在于， 所述子网络包括全局变换神经网络和局 部变换神经网络； 所述第二特征生成模块， 还用于： 将所述待处理图像输入到所述全局变换神经网络， 并权　利　要　求　书 2/4 页 3 CN 115375909 A 3