(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 202210231039.9 (22)申请日 2022.03.10 (71)申请人 湖南快乐阳光互动娱乐传媒有限公 司 地址 410003 湖南省长 沙市开福区湖南国 际会展中心北四楼 (72)发明人 张东阳　谭嵩　罗准　冯斌　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 李慧引 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/80(2022.01) (54)发明名称 图像的处理方法、 装置、 电子设备及计算机 存储介质 (57)摘要 本申请提供一种图像的处理方法、 装置、 电 子设备及计算机存储介质， 所述图像的处理方法 包括： 在接收待处理图像后； 对所述待处理图像 进行第一特征处理， 得到所述待处理图像的全局 特征； 再对所述待处理图像进行第二特征处理， 得到所述待处理图像的局部特征； 最终， 对所述 局部特征、 所述全局特征以及所述待处理图像进 行融合处理， 得到正常曝光的图像。 从而达到可 以有效的对暗光图像进行处理， 从而得到正常曝 光的图像的目的。 权利要求书3页 说明书13页 附图6页 CN 114612680 A 2022.06.10 CN 114612680 A 1.一种图像的处 理方法， 其特 征在于， 包括： 接收待处 理图像； 对所述待处 理图像进行第一特 征处理， 得到所述待处 理图像的全局特 征； 对所述待处 理图像进行第二特 征处理， 得到所述待处 理图像的局部特 征； 对所述局部特征、 所述全局特征以及所述待处理图像进行融合处理， 得到正常曝光的 图像。 2.根据权利要求1所述的处理方法， 其特征在于， 所述对所述待处理图像进行第 一特征 处理， 得到所述待处 理图像的全局特 征， 包括： 将所述待处 理图像的尺寸调整至预设尺寸， 得到目标图像； 将所述目标图像输入至第 一特征提取组件， 输出得到第 一特征结果； 其中， 所述第一特 征提取组件 包括： 卷积层、 视 觉转换器和平均池化层； 将所述第一特征结果输入至第二特征提取组件， 输出得到所述待处理图像的全局特 征； 其中， 所述第二特 征提取组件 包括： 卷积层、 视 觉转换器和平均池化层。 3.根据权利要求1所述的处理方法， 其特征在于， 所述对所述待处理图像进行第 二特征 处理， 得到所述待处 理图像的局部特 征， 包括： 将所述待处理图像输入至降采样网络的第一级模块， 输出得到第一局部特征； 其中， 所 述降采样网络的第一级模块包括： 最大池化层、 卷积层和激活函数； 将所述第 一局部特征输入至降采样网络的第二级模块， 输出得到第二局部特征； 其中， 所述降采样网络的第二级模块包括： 最大池化层、 卷积层和激活函数； 将所述第 二局部特征输入至降采样网络的第三级模块， 输出得到第三局部特征； 其中， 所述降采样网络的第三级模块包括： 最大池化层、 卷积层和激活函数； 将所述第三局部特征以及所述全局特征输入至降采样网络的第四级模块， 输出得到第 四局部特 征； 其中， 所述降采样网络的第四级模块包括： 最大池化层、 卷积层和激活函数； 将所述第四局部特征以及所述全局特征输入至降采样网络的第五级模块， 输出得到第 五局部特 征； 其中， 所述降采样网络的第五级模块包括： 最大池化层、 卷积层和激活函数。 4.根据权利要求3所述的处 理方法， 其特 征在于， 所述 最大池化层的步长为2。 5.根据权利要求3所述的处理方法， 其特征在于， 所述对所述局部特征、 所述全局特征 以及所述待处 理图像进行融合处 理， 得到正常曝光的图像， 包括： 将所述第五局部特征输入至上采样网络的第五级模块， 输出得到第五上采样特征； 其 中， 所述上采样网络的第 五级模块包括： 卷积层、 激活函数、 视觉转换器和最近邻插值上采 样层； 将所述全局特征、 所述第五局部特征和所述第五上采样特征进行级联操作， 得到第一 融合特征； 将所述第一融合特征输入至上采样网络的第 四级模块， 输出得到第 四上采样特征； 其 中， 所述上采样网络的第四级模块包括： 卷积层、 激活函数、 视觉转换器和最近邻插值上采 样层； 将所述第四局部特 征和所述第四上采样特 征进行级联操作， 得到第二融合特 征； 将所述第二融合特征输入至上采样网络的第三级模块， 输出得到第三上采样特征； 其 中， 所述上采样网络的第三级模块包括： 卷积层、 激活函数、 视觉转换器和最近邻插值上采权　利　要　求　书 1/3 页 2 CN 114612680 A 2样层； 将所述第三局部特 征和所述第三上采样特 征进行级联操作， 得到第三融合特 征； 将所述第三融合特征输入至上采样网络的第二级模块， 输出得到第二上采样特征； 其 中， 所述上采样网络的第二级模块包括： 卷积层、 激活函数、 视觉转换器和最近邻插值上采 样层； 将所述第二局部特 征和所述第二上采样特 征进行级联操作， 得到第四融合特 征； 将所述第四融合特征输入至上采样网络的第一级模块， 输出得到第一上采样特征； 其 中， 所述上采样网络的第一级模块包括： 卷积层、 激活函数、 视觉转换器和最近邻插值上采 样层； 将所述第一上采样特 征和所述待处 理图像进行级联操作， 得到第五融合特 征； 将所述第五融合特 征输入至上采样网络的图像恢复模块， 得到正常曝光的图像。 6.根据权利要求5所述的处理方法， 其特征在于， 所述将所述全局特征、 所述第五局部 特征和所述第五上采样特 征进行级联操作， 得到第一融合特 征， 包括： 利用注入 模块的全连接层对所述全局特 征进行维度缩放， 得到多个全局子特 征； 对所述多个全局子特征进行特征重排， 得到目标全局子特征； 其中， 所述目标全局子特 征的形状与所述第五局部特 征相匹配； 针对每一个所述目标全局子特征， 将所述目标全局子特征与所述第五局部特征的积， 作为所述目标全局子特 征的初步融合特 征； 将所有所述目标全局子特 征的初步融合特 征的和， 作为第一融合特 征。 7.一种图像的处 理装置， 其特 征在于， 包括： 接收单元， 用于接收待处 理图像； 第一特征处理单元， 用于对所述待处理图像进行第一特征处理， 得到所述待处理图像 的全局特 征； 第二特征处理单元， 用于对所述待处理图像进行第二特征处理， 得到所述待处理图像 的局部特 征； 融合处理单元， 用于对所述局部特征、 所述全局特征以及所述待处理图像进行融合处 理， 得到正常曝光的图像。 8.根据权利要求7 所述的处 理装置， 其特 征在于， 所述第二特 征处理单元， 包括： 第一降采样子单元， 用于将所述待处理图像输入至降采样网络的第一级模块， 输出得 到第一局部特征； 其中， 所述降采样网络的第一级模块包括： 最大池化层、 卷积层和激活函 数； 第二降采样子单元， 用于将所述第一局部特征输入至降采样网络的第二级模块， 输出 得到第二局部特征； 其中， 所述降采样网络的第二级模块包括： 最大池化层、 卷积层和激活 函数； 第三降采样子单元， 用于将所述第二局部特征输入至降采样网络的第三级模块， 输出 得到第三局部特征； 其中， 所述降采样网络的第三级模块包括： 最大池化层、 卷积层和激活 函数； 第四降采样子单元， 用于将所述第 三局部特征以及所述全局特征输入至降采样网络的 第四级模块， 输出得到第四局部特征； 其中， 所述降采样网络的第四级模块包括： 最大池化权　利　要　求　书 2/3 页 3 CN 114612680 A 3