一种低照度图像增强方法、系统、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115861125A(43)申请公布日2023.03.28(21)申请号202211702476.0(22)申请日2022.12.28(71)申请人徐州才聚智能科技有限公司地址221000江苏省徐州市高新技术产业开发区大学路99号徐州高新区大学创业园C区四层C406、C408(72)发明人储志华邱才明密铁宾拾婷婷兰军(74)专利代理机构成都顶峰专利事务所(普通合伙)51224专利代理师叶昌威(51)Int.Cl.G06T5/00(2006.01)G06N3/08(2023.01)G06N3/0464(2023.01)权利要求书2页说明书8页附图3页(54)发明名称一种低照度图像增强方法、系统、设备及存储介质(57)摘要本发明公开了一种低照度图像增强方法、系统、设备及存储介质，通过将目标低照度图像数据导入图像增强网络模型进行图像增强处理，得到权重参数、全局增强图数据和局部调整图数据，来根据权重参数、全局增强图数据和局部调整图数据计算出逆照明图数据，将逆照明图数据与目标低照度图像数据进行哈达玛积运算，得到目标低照度图像增强后的图像数据，可以实现高效且均匀的低照度图像增强处理。本发明采用全局增强、局部调整的方式，解决了因图像照度分布不均匀而导致的低照度图像增强困难的问题；创造性地运用“一体三通道”的网络结构提取出全局和局部特征，节约了计算成本；通过权重参数统一处理图像照度均匀以及不均匀的情况，具有很好的鲁棒性。CN115861125ACN115861125A权利要求书1/2页1.一种低照度图像增强方法，其特征在于，包括：获取目标低照度图像数据；将目标低照度图像数据导入预置的图像增强网络模型进行图像增强处理，得到权重参数、全局增强图数据和局部调整图数据；所述图像增强网络模型包括图像预处理网络、第一处理通道、第二处理通道和第三处理通道，所述图像预处理网络用于对目标低照度图像数据进行预处理，以提取得到若干特征图数据，所述第一处理通道用于对若干特征图数据进行图像回归处理，得到权重参数，所述第二处理通道用于对若干特征图数据进行全局增强处理，得到全局增强图数据，所述第三处理通道用于对若干特征图数据进行局部调整处理，得到局部调整图数据；根据权重参数、全局增强图数据和局部调整图数据计算出逆照明图数据；将逆照明图数据与目标低照度图像数据进行哈达玛积运算，得到目标低照度图像增强后的图像数据。2.根据权利要求1所述的一种低照度图像增强方法，其特征在于，所述预处理网络采用ResNet50模型进行目标低照度图像数据的预处理，以提取得到若干特征图数据。3.根据权利要求1所述的一种低照度图像增强方法，其特征在于，所述第一处理通道包括Regression模块，所述Regression模块包括依次连接的卷积核、平均池化核、多层感知器和Sigmoid层，通过Sigmoid层输出范围在(0,1)的权重参数。4.根据权利要求1所述的一种低照度图像增强方法，其特征在于，所述第二处理通道包括依次连接的拉直模块、位置编码模块、SwinTransformer模块和第一TaskTailBlock模块，所述拉直模块用于对各特征图数据进行拉直处理，所述位置编码模块用于对拉直模块的输出结果进行位置编码处理，得到第一tokens向量，所述SwinTransformer模块用于输入第一tokens向量进行全局建模及多尺度特征提取，输出第二tokens向量，所述第一TaskTailBlock模块用于输入第二tokens向量进行线性映射及重排列处理，输出全局增强图数据。5.根据权利要求1所述的一种低照度图像增强方法，其特征在于，所述第三处理通道包括第二TaskTailBlock模块，所述第二TaskTailBlock模块用于输入若干特征图数据进行线性映射及重排列处理，输出局部调整图数据。6.根据权利要求1所述的一种低照度图像增强方法，其特征在于，所述图像增强网络模型采用的损失函数为Ltotal＝Lspa+λ1Lexp+λ2Lcol+λ3Lsmo其中，Ltotal为图像增强网络模型总的损失函数，Lspa表征空间一致性损失函数，Lexp表征曝光控制损失函数，Lcol表征色彩一致性损失函数，Lsmo表征照度平滑性损失函数，λ1、λ2和λ3分别为Lexp、Lcol和Lsmo的权重。7.根据权利要求1所述的一种低照度图像增强方法，其特征在于，根据权重参数、全局增强图数据和局部调整图数据计算逆照明图数据的计算式为其中，为逆照明图数据，为全局增强图数据，为局部调整图数据，α为权重参数；将逆照明图数据与目标低照度图像数据进行哈达玛积运算的计算式为2CN115861125A权利要求书2/2页其中，R表征目标低照度图像增强后的图像数据，L表征目标低照度