基于循环一致性损失的图像质量增强通用方法及装置

摘要

基于循环一致性损失的图像质量增强通用方法及装置，无需识别任务类别，使用一个模型通用地解决烟雾去除、光照增强、颜色校正三种内窥镜图像质量增强问题，步骤简单且大大减少了模型的占用空间，具有不需要区分任务类别的通用性的同时，仍然能够达到针对一种任务单独训练的图像增强效果。方法包括：(1)通过前向循环和后向循环两个过程的无监督对抗训练，引入循环一致性损失，实现了使用三种非成对的真实内窥镜图像进行网络训练；(2)使用通用模型训练策略，在一次迭代过程中分别利用三种图像质量缺陷数据更新三次网络参数；(3)利用训练过程中得到的正向生成器网络通用地处理烟雾去除、光照增强、颜色校正任务。