[发明专利]一种暗图像处理方法及系统在审
| 申请号： | 201810840995.0 | 申请日： | 2018-07-27 |
| 公开（公告）号： | CN109191388A | 公开（公告）日： | 2019-01-11 |
| 发明（设计）人： | 汤崇远;孟凡靖;李明静 | 申请（专利权）人： | 上海爱优威软件开发有限公司 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 201210 上海市浦东新区中国（上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 卷积 暗图像 网络模型 获取图像数据 图像处理技术 图像处理效果 图像数据集 网络结构 网络训练 申请 网络 摄影 | ||
1.一种暗图像处理方法，其特征在于，包括：
获取网络训练的图像数据集；
搭建全卷积网络结构；
训练所述全卷积网络；
生成全卷积网络模型；
根据所述全卷积网络模型，处理暗图像。
2.根据权利要求1所述的暗图像处理方法，其特征在于，所述获取网络训练的图像数据集包括获取明暗成对的目标图像集和输入图像集。
3.根据权利要求2所述的暗图像处理方法，其特征在于，所述训练所述全卷积网络进一步包括：
裁剪所述目标图像集和所述输入图像集；
翻转所述目标图像集和所述输入图像集；
执行所述全卷积网络的迭代训练。
4.根据权利要求3所述的暗图像处理方法，其特征在于，所述裁剪用于缩小图像尺寸；所述翻转用于图像数据增强，包括水平翻转和竖直翻转。
5.根据权利要求1所述的暗图像处理方法，其特征在于，所述搭建全卷积网络结构进一步包括：
构建多个卷积层和池化层，逐层执行反卷积、反池化处理，用于像素值预测；
增加反卷积层和反池化层对卷积层得到的特征图进行上采样，并对结果执行图像相加、图像插值操作，以还原图像尺寸。
6.根据权利要求5所述的暗图像处理方法，其特征在于，所述像素值预测包括像素预测，以及每一像素的RGB值预测。
7.根据权利要求5所述的暗图像处理方法，其特征在于，所述全卷积网络结构包括一次或多次卷积和池化，一次或多次反卷积和反池化，以及插值。
8.根据权利要求7所述的暗图像处理方法，其特征在于，所述卷积操作和反卷积操作包括将卷积核在图像上往返移动扫描，计算得到卷积或反卷积后的图像；所述池化操作包括对卷积图像每隔两个像素取一个区域最大值，得到池化图像；所述反池化操作包括将图像案子池化时的最大值的位置反向扩充，非最大值位置执行零值处理，得到反池化图像；所述插值操作包括用相邻的像素值取均值插入在两个像素之间，以扩大一倍图像尺寸。
9.根据权利要求1所述的暗图像处理方法，其特征在于，所述根据所述全卷积网络模型，处理暗图像进一步包括：
向所述全卷积网络模型，输入一个暗图像；
根据所述全卷积网络模型，处理所述暗图像；
输出所述暗图像对应的亮图像。
10.一个系统，其特征在于，包括：
一个存储器，被配置为存储数据及指令；
一个与存储器建立通信的处理器，其中，当执行存储器中的指令时，所述处理器被配置为：
获取网络训练的图像数据集；
搭建全卷积网络结构；
训练所述全卷积网络；
生成全卷积网络模型；
根据所述全卷积网络模型，处理暗图像。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海爱优威软件开发有限公司，未经上海爱优威软件开发有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810840995.0/1.html，转载请声明来源钻瓜专利网。
