(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 202211286525.7 (22)申请日 2022.10.20 (71)申请人 福建亿榕信息技 术有限公司 地址 350000 福建省福州市 鼓楼区软件大 道89号G区20号楼 申请人 国网信息通信产业 集团有限公司 　 中科方寸知微 （南京） 科技有限公司 (72)发明人 李强　赵峰　庄莉　梁懿　王秋琳　 伍臣周　陈锴　江卓龙　 (74)专利代理 机构 福州科扬专利事务所(普通 合伙) 35001 专利代理师 郭梦羽 (51)Int.Cl. G06T 5/00(2006.01) G06T 7/10(2017.01)G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于元学习的图像增强方法、 系统、 设 备和存储介质 (57)摘要 本发明涉及一种基于元学习的图像增强方 法、 系统、 设备和存储介质， 其中方法包括以下步 骤： 获取一原始图像并进行灰度化处理， 从处理 后的图像中随机捕获图像块， 根据图像特征对捕 获到的图像块进行分类， 并将分类后的图像块放 入至元训练数据集中； 构建基于多级编解码结构 的元学习网络； 随机抽样元训练数据集中不同类 别的图像块输入至元学习网络中， 输出增强图 像， 计算对应的增强图像与图像块之间的曝光误 差和像素相邻误差， 以计算出的曝光误差和像素 相邻误差最小为目标对元学习网络进行迭代训 练， 直至达到迭代结束条件， 得到训练好的图像 增强网络； 将训练好的 图像增强网络用于低照度 图像的图像增强。 权利要求书3页 说明书8页 附图2页 CN 115358952 A 2022.11.18 CN 115358952 A 1.一种基于元 学习的图像增强方法， 其特 征在于， 包括以下步骤： 获取一原始图像并进行灰度化处理， 从处理后的图像中随机捕获图像块， 根据图像特 征对捕获到的图像块进行分类， 并将分类后的图像块 放入至元训练数据集中； 构建基于多 级编解码结构的元 学习网络； 随机抽样元训练数据集中不同类别的图像块输入至元学习 网络中， 输出增强图像， 计 算对应的增强图像与图像块之 间的曝光误差和像素相 邻误差， 以计算出的曝光误差和像素 相邻误差最小为目标对元学习网络进行迭代训练， 直至达到迭代结束条件， 得到训练好的 图像增强网络； 将训练好的图像增强网络用于低照度图像的图像增强。 2.根据权利要求1所述的一种基于元学习的图像增强方法， 其特征在于， 所述从处理后 的图像中随机捕获 图像块， 根据图像特征对捕获到的图像块进行分类， 并将分类后的图像 块放入至元训练数据集中的方法具体为： 以预设的窗口大小， 在处 理后的图像中随机进行采样N次， 得到N个图像块； 计算每一图像块的灰度均值， 根据每一图像块的灰度均值将各图像块划分为256个类 别； 以M为间隔， 从256个类别中挑选采样类别， 分别从挑选出的各个采样类别中采样出相 同数量的图像块， 并将采样出 的图像块放入至元训练数据集中， 元训练数据集包括元训练 集和元测试集， 将每一采样类别的图像块按照比例分别划分至元训练集和元测试集中。 3.根据权利要求1所述的一种基于元学习的图像增强方法， 其特征在于， 所述基于多级 编解码结构的元 学习网络包括： 第一级编解码结构， 包括 一卷积层， 用于对输入的图像进行 特征提取， 获取 特征图； 连接于第一级编解码结构输出端的第二级编解码结构， 包括残差模块和注意力模块， 所述残差模块用于提取输入的特征图的高频信息， 所述注意力模块用于从特征图中通过注 意力机制提取注意力特 征图； 连接于第二级编 解码结构输出端的第 三级编解码结构， 所述第 三级编解码结构的结构 与第二级编解码结构相同。 4.根据权利要求1所述的一种基于元学习的图像增强方法， 其特征在于， 在所述计算对 应的增强图像与图像块之 间的曝光误差和像素相 邻误差的步骤中， 所述曝光误差具体通过 以下公式计算： 其中， M表示大小为16 ×16的不重叠局 部区域的数量， 是增强图像中局 部区域m的平 均灰度值， E为设定的经验常数； 所述像素相邻误差具体通过以下公式计算：权　利　要　求　书 1/3 页 2 CN 115358952 A 2其中， K表示局部区域的数量， 表示以局部区域i为中心的四个相 邻的局部区域， 其 中局部区域的大小均为4 ×4， 表示增强图像在局部区域i的平均灰度值， 表示输入的图 像块在局部 区域i的平均灰度值， 表示增强图像在相邻的局部区域j的平均灰度值， 表 示输入的图像块在相邻的局部区域j的平均灰度值。 5.一种基于元 学习的图像增强系统， 其特 征在于， 包括： 元数据获取模块， 获取一原始图像并进行灰度化处理， 从处理后的图像中随机捕获图 像块， 根据图像特征对捕获到的图像块进行分类， 并将分类后的图像块放入至元训练数据 集中； 元网络构建模块， 用于构建基于多 级编解码结构的元 学习网络； 训练模块， 用于随机抽样元训练数据集中不同类别的图像块输入至元学习 网络中， 输 出增强图像， 计算对应的增强 图像与图像块之间的曝光误差和像素相邻误差， 以计算出 的 曝光误差和像素相邻误差最小为目标对元学习网络进行迭代训练， 直至达到迭代结束条 件， 得到训练好的图像增强网络； 增强模块， 利用训练好的图像增强网络进行低照度图像的图像增强。 6.根据权利要求5所述的一种基于元学习的图像增强系统， 其特征在于， 所述元数据获 取模块包括： 随机采样单元， 用于以预设的窗口大小， 在处理后的图像 中随机进行采样N次， 得到N个 图像块； 类别划分单元， 用于计算每一图像块的灰度均值， 根据每一图像块的灰度均值将各图 像块划分为25 6个类别； 分类单元， 用于以M为间隔， 从256个类别中挑选采样类别， 分别从挑选出的各个采样类 别中采样出相同数量的图像块， 并将采样出 的图像块放入至元训练数据集中， 元训练数据 集包括元训练集和元测试集， 将 每一采样类别的图像块按照比例分别划分至元训练集和元 测试集中。 7.根据权利要求5所述的一种基于元学习的图像增强系统， 其特征在于， 所述基于多级 编解码结构的元 学习网络包括： 第一级编解码结构， 包括 一卷积层， 用于对输入的图像进行 特征提取， 获取 特征图； 连接于第一级编解码结构输出端的第二级编解码结构， 包括残差模块和注意力模块， 所述残差模块用于提取输入的特征图的高频信息， 所述注意力模块用于从特征图中通过注 意力机制提取注意力特 征图； 连接于第二级编 解码结构输出端的第 三级编解码结构， 所述第 三级编解码结构的结构 与第二级编解码结构相同。 8.根据权利要求5所述的一种基于元学习的图像增强系统， 其特征在于， 在所述训练模 块计算对应的增强图像与图像块之 间的曝光误差和像素相 邻误差的步骤中， 所述曝光误差 具体通过以下公式计算：权　利　要　求　书 2/3 页 3 CN 115358952 A 3