基于改进的Zero-DCE网络的低照度图像增强方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115511754A(43)申请公布日2022.12.23(21)申请号202211463703.9(22)申请日2022.11.22(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号(72)发明人张旭东刘颖群邹渊樊杰(74)专利代理机构北京高沃律师事务所11569专利代理师万慧华(51)Int.Cl.G06T5/00(2006.01)G06N3/04(2006.01)权利要求书2页说明书8页附图3页(54)发明名称基于改进的Zero-DCE网络的低照度图像增强方法(57)摘要本发明涉及一种基于改进的Zero‑DCE网络的低照度图像增强方法，属于低照度图像增强领域。该方法包括：获取待增强图像；将所述待增强图像输入至改进的Zero‑DCE网络中，输出增强后的图像；其中，在传统Zero‑DCE网络的结构之上，取消了Zero‑DCE网络中第七浅层特征层的8次迭代步骤，以卷积、归一化、激活的方式取而代之，避免了迭代冗余的问题，大大降低了计算量；且引入了残差网络作为残差模块，作用于第四浅层特征层、第五浅层特征层以及第六浅层特征层，从而能够更大程度保留原有特征。CN115511754ACN115511754A权利要求书1/2页1.一种基于改进的Zero‑DCE网络的低照度图像增强方法，其特征在于，包括：获取待增强图像；将所述待增强图像输入至改进的Zero‑DCE网络中，输出增强后的图像；其中，所述改进的Zero‑DCE网络包括：9层浅层特征层；第一浅层特征层至第六浅层特征层依次连接；其中，第二浅层特征层至第四浅层特征层中每一层浅层特征层均经过前一层浅层特征层卷积并利用relu函数激活后依次连接；所述第四浅层特征层、第五浅层特征层以及所述第六浅层特征层之间引入残差模块，所述第四浅层特征层、第五浅层特征层以及所述第六浅层特征层之间设为残差连接；第三浅层特征层与所述第四浅层特征层拼接后连接所述第四浅层特征层与所述第五浅层特征层之间的残差模块；所述第二浅层特征层与所述第五浅层特征层拼接后连接所述第五浅层特征层与所述第六浅层特征层之间的残差模块；所述残差模块为残差网络；取消第七浅层特征层的8次迭代过程，以三次卷积穿插三次激活层的方式，在所述第一浅层特征层以及所述第六浅层特征层拼接后且所述第七浅层特征层之前、所述第五浅层特征层与第九浅层特征层之间以及所述第六浅层特征层与第八浅层特征层之间增加激活模块。2.根据权利要求1所述的低照度图像增强方法，其特征在于，所述改进的Zero‑DCE网络的损失函数包括空间一致性损失函数、曝光损失函数、颜色损失函数、光照平滑度损失函数以及结构平滑度损失函数。3.根据权利要求2所述的基于改进的Zero‑DCE网络的低照度图像增强方法，其特征在于，所述空间一致性损失函数为：；其中，为空间一致性损失函数；K为局部区域的数量；为以区域i为中心的四个相邻区域；j为相邻区域编号；Yi为原图局部区域i的颜色数值；Yij为原图局部区域i的邻域j的颜色数值；Ii为增强后局部区域i的颜色数值；Iij为增强后局部区域i的邻域j的颜色数值。4.根据权利要求3所述的基于改进的Zero‑DCE网络的低照度图像增强方法，其特征在于，所述曝光损失函数为：；其中，为曝光损失函数；M为不重叠的局部区域数量；k为局部区域编号；Ek为所述增强后的图像中局部区域k的平均像素强度值；E为标准强度。5.根据权利要求4所述的基于改进的Zero‑DCE网络的低照度图像增强方法，其特征在于，所述颜色损失函数为：；其中，为颜色损失函数；Jp为颜色通道组合p的平均强度；Jq为颜色通道组合q的平均强度；为颜色通道组合集合。2CN115511754A权利要求书2/2页6.根据权利要求5所述的基于改进的Zero‑DCE网络的低照度图像增强方法，其特征在于，所述光照平滑度损失函数为：；其中，为光照平滑度损失函数；为水平方向的梯度操作；为垂直方向的梯度操作；A为三组加权系数。7.根据权利要求6所述的基于改进的Zero‑DCE网络的低照度图像增强方法，其特征在于，所述结构平滑度损失函数为：其中，为结构平滑度损失函数；λ为平衡系数；Out为输出的增强后的图像；为计算梯度。8.根据权利要求1‑7任一项所述的基于改进的Zero‑DCE网络的低照度图像增强方法，其特征在于，所述将所述待增强图像输入至改进的Zero‑DCE网络中，输出增强后的图像，之前还包括：将待训练的图像随机划分为若干批次，且每个批次包含相同数量的图像；利用所述若干批次图像训练并优化所述改进的Zero‑DCE网络，直至计算得到的总损失达到损失阈值或者迭代次数达到次数阈值，停止训练并保存训练好的改进的Zero‑DCE网络。9.一种电子设备，其特征在