(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 202210157946.3 (22)申请日 2022.02.21 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 罗文寒　张凯皓　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 黄晶晶 (51)Int.Cl. G06T 5/00(2006.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像增强方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及一种图像增强方法、 装置、 计算 机设备和存储介质， 本申请实施例可应用于云技 术、 人工智能、 智慧交通、 辅助驾驶等各种场景。 所述方法包括： 获取待处理图像； 对待处理图像 进行多尺度特征提取， 得到多尺度图像特征； 多 尺度图像特征包括至少两个层 级尺度图像特征； 对多尺度图像特征中第一层级尺度图像特征进 行注意力机制加权， 得到第一图像特征， 注意力 机制包括空间注意力机制和通道注 意力机制； 对 第一图像特征和第二层级尺度图像特征进行加 权融合， 得到第二图像特征， 第二层级尺度图像 特征为多尺度图像特征中非第一层级尺度图像 特征； 对第二图像特征进行特征提取， 得到增强 图像。 采用本方法能够得到图像增强效果好的增 强图像。 权利要求书2页 说明书15页 附图7页 CN 114529472 A 2022.05.24 CN 114529472 A 1.一种图像增强方法， 其特 征在于， 所述方法包括： 获取待处 理图像； 对所述待处理图像进行多尺度特征提取， 得到多尺度图像特征； 所述多尺度图像特征 包括至少两个层级尺度图像特 征； 对所述多尺度图像特征中第 一层级尺度图像特征进行注意力 机制加权， 得到第 一图像 特征， 所述注意力机制包括空间注意力机制和通道 注意力机制； 对所述第一图像特征和第二层级尺度图像特征进行加权融合， 得到第二图像特征， 所 述第二层级尺度图像特 征为所述多尺度图像特 征中非第一层级尺度图像特 征； 对所述第二图像特 征进行特征提取， 得到增强图像。 2.根据权利要求1所述的方法， 其特征在于， 所述第 一层级尺度图像特征为所述多尺度 图像特征中最低层级尺度图像特征； 所述对所述多尺度图像特征中第一层级尺度图像特征 进行注意力机制加权， 得到第一图像特 征包括： 基于空间注意力 机制， 对所述多尺度图像特征中最低层级尺度图像特征的空间位置特 征进行加权特 征提取， 得到空间注意力加权特 征； 基于通道注意力 机制， 对所述多尺度图像特征中最低层级尺度图像特征的通道特征进 行加权特 征提取， 得到通道 注意力加权特 征； 根据所述空间注意力加权特 征和所述 通道注意力加权特 征， 得到第一图像特 征。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述空间注意力机制， 对所述多 尺度图像特征中最低层级尺度图像特征的空间位置特征进 行加权特征提取， 得到空间注意 力加权特 征包括： 对所述多尺度图像特 征中最低层级尺度图像特 征进行矩阵变形， 得到第一空间矩阵； 对所述第一空间矩阵进行反转， 得到第二空间矩阵； 将所述第一空间矩阵和所述第二空间矩阵相乘， 得到第三空间矩阵； 对所述第三空间矩阵进行空间注意力机制加权， 得到空间位置加权矩阵； 将所述多尺度图像特征中最低层级尺度图像特征与所述空间位置加权矩阵进行跳接， 得到空间注意力加权特 征。 4.根据权利要求2所述的方法， 其特征在于， 所述基于所述通道注意力机制， 对所述多 尺度图像特征中最低层级尺度图像特征的通道特征进 行加权特征提取， 得到通道注意力加 权特征包括： 对所述多尺度图像特 征中最低层级尺度图像特 征进行矩阵变形， 得到第一 通道矩阵； 对所述第一 通道矩阵进行反转， 得到第二 通道矩阵； 将所述第一 通道矩阵和所述第二 通道矩阵相乘， 得到第三 通道矩阵； 对所述第三空间矩阵进行通道 注意力机制加权， 得到通道加权矩阵； 将所述多尺度图像特征中最低层级尺度图像特征与所述通道加权矩阵进行跳接， 得到 通道注意力加权特 征。 5.根据权利要求1所述的方法， 其特征在于， 所述对所述第 一图像特征和第 二层级尺度 图像特征进行加权融合， 得到第二图像特 征包括： 以所述第二层级尺度图像特征中最低层级尺度图像特征以及所述第一图像特征为起 点， 采取自下而 上的方式对所述第二层级尺度图像特征中不同层级尺度特征进行迭代累进权　利　要　求　书 1/2 页 2 CN 114529472 A 2加权融合， 得到第二图像特 征。 6.根据权利要求5所述的方法， 其特征在于， 所述以所述第 二层级尺度图像特征中最低 层级尺度图像特征以及所述第一图像特征为起点， 采取自下而上的方式对 所述第二层级尺 度图像特 征中不同层级尺度特 征进行迭代累进加权融合， 得到第二图像特 征包括： 将第二层级尺度图像特 征中最低层级尺度图像特 征， 作为待融合特 征； 对所述待融合特 征和所述第一图像特 征进行加权融合， 得到加权融合特 征； 将所述待融合特征对应的上一层级尺度图像特征， 更新为待融合特征， 对更新后的待 融合特征和所述加权融合特 征进行加权融合， 更新加权融合特 征； 将更新后的待融合特征对应的上一层级尺度特征， 更新为待融合特征， 对再次更新后 的待融合特 征和更新的加权融合特 征进行加权融合， 再次更新加权融合特 征； 返回所述将更新后的待融合特征对应的上一层级尺度特征， 更新为待融合特征， 对再 次更新后的待融合特征和更新的加权融合特征进 行加权融合， 再次更新加权融合特征的步 骤； 直到最新的所述更新后的待融合特征为第二层级尺度图像特征中最高层级尺度图像 特征， 将最新的加权融合特 征作为第二图像特 征。 7.根据权利要求6所述的方法， 其特征在于， 所述对所述待融合特征和所述第 一图像特 征进行加权融合， 得到加权融合特 征包括： 对所述待融合特 征进行卷积， 并对所述第一图像特 征进行上采样； 对卷积后待融合特 征和上采样后第一图像特 征进行加权融合， 得到加权融合特 征。 8.一种图像增强装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待处 理图像； 多尺度特征提取模块， 用于对所述待处理图像进行多尺度特征提取， 得到多尺度图像 特征； 所述多尺度图像特 征包括至少两个层级尺度图像特 征； 注意力机制加权模块， 用于对所述多尺度图像特征中第 一层级尺度图像特征进行注意 力机制加权， 得到第一图像特 征， 所述注意力机制包括空间注意力机制和通道 注意力机制； 特征加权融合模块， 用于对所述第一图像特征和第二层级尺度图像特征进行加权融 合， 得到第二图像特征， 所述第二层级尺度图像特征为所述多尺度图像特征中非第一层级 尺度图像特 征； 处理模块， 用于对所述第二图像特 征进行特征提取， 得到增强图像。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114529472 A 3