一种基于AI视觉的图像增强方法、设备及介质与流程

本发明涉及图像增强，特别是一种基于ai视觉的图像增强方法、设备及介质。

背景技术：

1、随着深度学习视觉感知、语义分割和自适应图像处理技术的发展，现有图像增强方法已由基于直方图均衡、滤波锐化和固定参数映射的传统处理方式，逐步演进为以卷积神经网络、视觉transformer和多尺度特征融合为基础的智能增强方式，相关方法通常先提取亮度、纹理、边缘及局部对比度等视觉特征，再依据语义区域或退化类别配置曝光补偿、对比度调整、细节恢复和边缘强化等处理参数，并通过全局质量指标、局部统计特征或感知损失对增强结果进行约束，从而实现面向不同内容区域的自适应图像增强。

2、现有相关技术在完成一次增强后，通常依据增强后图像的整体质量评分、局部清晰度指标或单一退化检测结果判断是否继续处理，在包含多类语义区域且不同区域退化程度差异较大的场景中，可能出现原有退化仅部分消退，同时因局部增强参数作用产生亮度过冲、纹理过锐或边缘失真等新状态，其原因在于现有处理流程多侧重增强前的退化识别和增强参数生成，较少建立增强前退化状态、实际增强操作与增强后状态变化之间的连续对应关系，也缺少依据语义区域可接受增强边界对残留退化和新生退化进行统一判别的机制，使后续重增强难以准确确定作用区域、调整方向及参数允许幅度。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种基于ai视觉的图像增强方法解决一次图像增强后残留退化与新生退化难以准确识别并定向修正的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明提供了一种基于ai视觉的图像增强方法，其包括：获取待增强图像，并对待增强图像进行统一预处理，生成标准化分析图像，同时对待增强图像进行基础统计分析，得到基础统计信息；对标准化分析图像进行ai视觉解析，输出有效语义区信息，并结合基础统计信息判定标准化分析图像中的区域退化状态，根据区域退化状态确定对应的可接受增强边界，得到退化表征令牌库；根据有效语义区信息和退化表征令牌库，生成增强控制策略，利用增强控制策略控制对待增强图像进行第一次图像增强，输出初步增强图像；对初步增强图像进行增强理解桥接分析，将各有效语义区域的增强后状态与第一次图像增强前的退化类型、退化等级和可接受增强边界进行比较，识别原退化的消退状态、残留状态和第一次图像增强产生的新生退化状态，并根据第一次图像增强前后的退化状态变化和对应增强操作建立退化迁移关系；对初步增强图像进行定向重增强，根据退化迁移关系确定初步增强图像的待重增强区域和增强方向，结合空间关联关系确定待重增强区域与相邻有效语义区域之间的增强影响关系，并根据可接受增强边界确定局部增强参数的允许调整幅度，得到最终增强图像。

5、作为本发明所述基于ai视觉的图像增强方法的一种优选方案，其中，所述获取待增强图像，并对待增强图像进行统一预处理，生成标准化分析图像，同时对待增强图像进行基础统计分析，得到基础统计信息，具体步骤如下：

6、获取待增强图像，对待增强图像进行尺寸标准化处理和颜色空间统一处理，生成统一待增强图像，对统一待增强图像进行亮度提取和像素归一化处理，并进行初步抑制，生成标准化分析图像；

7、通过基础统计分析提取待增强图像中的图像基础统计特征，并进行归一化处理和顺序拼接，生成基础统计信息。

8、作为本发明所述基于ai视觉的图像增强方法的一种优选方案，其中，所述对标准化分析图像进行ai视觉解析，输出有效语义区信息，具体步骤如下：

9、将标准化分析图像输入ai视觉解析模型，对标准化分析图像进行多层视觉特征提取、多尺度特征映射和跨层融合处理，生成语义解析特征图；

10、基于语义解析特征图进行候选区域提取，生成候选语义区域，并对候选语义区域进行语义类别判别、区域边界定位和识别置信度计算，筛选出有效语义区域；

11、依据有效语义区域的语义类别标签、区域位置参数和识别置信度，建立空间关联关系和语义优先关系，并进行封装，形成有效语义区信息。

12、作为本发明所述基于ai视觉的图像增强方法的一种优选方案，其中，所述结合基础统计信息判定标准化分析图像中的区域退化状态，根据区域退化状态确定对应的可接受增强边界，得到退化表征令牌库，具体步骤如下：

13、根据有效语义区信息定位各有效语义区域，提取亮度分布、纹理清晰程度、边缘连续程度和局部对比变化，并与基础统计信息进行比较，判定各有效语义区域的退化类型和退化等级；

14、根据有效语义区域的语义类别标签、退化类型和退化等级，确定亮度、对比度、纹理和边缘状态对应的允许变化范围，得到可接受增强边界；

15、将有效语义区域的退化类型、退化等级和可接受增强边界与对应区域位置进行关联编码，生成区域退化表征令牌，并按照有效语义区域之间的对应关系组织区域退化表征令牌，形成退化表征令牌库。

16、作为本发明所述基于ai视觉的图像增强方法的一种优选方案，其中，所述根据有效语义区信息和退化表征令牌库，生成增强控制策略，具体步骤如下：

17、将有效语义区信息与退化表征令牌库进行对应关联，输出目标增强模式和局部增强参数；

18、基于有效语义区域的语义类别标签、退化类型、退化等级和可接受增强边界，对目标增强模式和局部增强参数进行配置，生成候选增强配置，并依据空间关联关系和语义优先关系，对候选增强配置进行冲突协调和顺序编排，形成增强控制策略。

19、作为本发明所述基于ai视觉的图像增强方法的一种优选方案，其中，所述利用增强控制策略控制对待增强图像进行第一次图像增强，输出初步增强图像，具体步骤如下：

20、将待增强图像划分为多个增强作用区域，并按照各增强作用区域对应的目标增强模式和局部增强参数，根据增强控制策略对待增强图像执行区域自适应增强处理，得到区域增强结果；

21、对相邻区域增强结果之间的增强过渡进行协调处理，形成过渡协调信息并进行融合，输出初步增强图像。

22、作为本发明所述基于ai视觉的图像增强方法的一种优选方案，其中，所述识别原退化的消退状态、残留状态和第一次图像增强产生的新生退化状态，并根据第一次图像增强前后的退化状态变化和对应增强操作建立退化迁移关系，具体步骤如下：

23、提取初步增强图像中各有效语义区域的亮度、纹理、边缘和局部对比状态，与第一次图像增强前对应的退化类型和退化等级进行比较，根据退化表征变化确定原退化的消退状态和残留状态；

24、将增强后状态与对应可接受增强边界进行比较，当第一次图像增强前未达到退化判定条件的状态在增强后超出对应可接受增强边界时，确定为新生退化状态，并记录对应的新生退化类型和状态变化程度；

25、根据各有效语义区域第一次图像增强前后的退化状态变化，关联对应目标增强模式和局部增强参数，确定原退化经对应增强操作后产生的消退状态、残留状态和新生退化状态之间的对应关系，形成退化迁移关系。

26、作为本发明所述基于ai视觉的图像增强方法的一种优选方案，其中，所述对初步增强图像进行定向重增强，根据退化迁移关系确定初步增强图像的待重增强区域和增强方向，结合空间关联关系确定待重增强区域与相邻有效语义区域之间的增强影响关系，并根据可接受增强边界确定局部增强参数的允许调整幅度，得到最终增强图像，具体步骤如下：

27、将残留状态对应区域和新生退化状态对应区域确定为待重增强区域，根据退化迁移关系确定残留状态对应的原增强方向，并根据新生退化状态对应的增强操作确定反向抑制方向，得到各待重增强区域的增强方向；

28、获取待重增强区域当前增强状态与对应可接受增强边界之间的剩余变化量，并根据空间关联关系确定与待重增强区域相邻的有效语义区域，获取剩余变化量，根据剩余变化量确定局部增强参数的允许调整幅度，对超出允许调整幅度的局部增强参数进行修正；

29、按照增强方向和修正后的局部增强参数对各待重增强区域执行定向重增强，并对完成重增强的区域进行融合，得到最终增强图像。

30、第二方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述计算机程序被处理器执行时实现如本发明第一方面所述的基于ai视觉的图像增强方法的任一步骤。

31、第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如本发明第一方面所述的基于ai视觉的图像增强方法的任一步骤。

32、本发明有益效果为：通过对初步增强图像进行增强理解桥接分析，将各有效语义区域的增强后状态与增强前退化类型、退化等级、可接受增强边界及对应增强操作关联，形成退化迁移关系，实现原退化消退状态、残留状态和新生退化状态的统一识别，并据此确定待重增强区域、增强方向及局部参数允许调整幅度，使后续图像增强针对状态变化实施定向修正，降低局部过增强和重复调节，提升增强结果的区域一致性与可控性。