[发明专利]暗光成像方法、装置、计算机可读存储介质及终端设备

权利要求书

1.一种暗光成像方法，其特征在于，包括：

对第一图像数据进行预处理操作，得到第二图像数据，所述第一图像数据为在光照强度小于预设的光强阈值的环境中采集的图像数据；

使用预设的深度神经网络对所述第二图像数据进行处理，得到第三图像数据；

根据所述第三图像数据生成目标图像；

所述对第一图像数据进行预处理操作，得到第二图像数据包括：

对所述第一图像数据进行颜色通道分离处理，得到通道分离数据；

对所述通道分离数据进行黑电平校正处理，得到校正数据；

对所述校正数据进行归一化处理，得到归一化数据；

对所述归一化数据进行放大处理，得到放大数据；

对所述放大数据进行钳制处理，得到第一钳制数据；

将所述第一钳制数据进行裁剪处理，得到所述第二图像数据。

2.根据权利要求1所述的暗光成像方法，其特征在于，所述深度神经网络包括特征提取层、下采样层、中间处理层和上采样层，所述使用预设的深度神经网络对所述第二图像数据进行处理，得到第三图像数据包括：

使用所述特征提取层提取出所述第二图像数据的图像特征；

使用所述下采样层逐步从所述图像特征中提取出高阶特征；

使用所述中间处理层获取所述高阶特征中的细节纹理信息和感知特征；

使用所述上采样层对所述细节纹理信息和感知特征进行双线性插值和通道压缩，得到所述第三图像数据。

3.根据权利要求1所述的暗光成像方法，其特征在于，所述深度神经网络的训练过程包括：

获取预设的训练样本集合，所述训练样本集合中的每个训练样本均包括输入图像数据和输出图像数据，所述输入图像数据为曝光时长小于预设的第一时长阈值的图像数据，所述输出图像数据为曝光时长大于预设的第二时长阈值的图像数据，所述第一时长阈值小于所述第二时长阈值；

使用所述训练样本集合对所述深度神经网络进行训练，将所述输入图像数据作为所述深度神经网络的输入，将所述输出图像数据作为所述深度神经网络的预期输出；

采用MS-SSIM损失函数和Adam优化器训练调整所述网络模型的网络参数直至收敛，得到训练好的深度神经网络。

4.根据权利要求1至3中任一项所述的暗光成像方法，其特征在于，所述根据所述第三图像数据生成目标图像包括：

对所述第三图像数据进行钳制处理，得到第二钳制数据；

对所述第二钳制数据进行拉伸处理，得到拉伸数据；

采用线性加权融合方法对所述拉伸数据进行拼接，生成所述目标图像。

5.一种暗光成像装置，其特征在于，包括：

预处理模块，用于对第一图像数据进行预处理操作，得到第二图像数据，所述第一图像数据为在光照强度小于预设的光强阈值的环境中采集的图像数据；

深度神经网络处理模块，用于使用预设的深度神经网络对所述第二图像数据进行处理，得到第三图像数据；

目标图像生成模块，用于根据所述第三图像数据生成目标图像；

所述预处理模块包括：

颜色通道分离单元，用于对所述第一图像数据进行颜色通道分离处理，得到通道分离数据；

黑电平校正单元，用于对所述通道分离数据进行黑电平校正处理，得到校正数据；

归一化处理单元，用于对所述校正数据进行归一化处理，得到归一化数据；

放大处理单元，用于对所述归一化数据进行放大处理，得到放大数据；

第一钳制处理单元，用于对所述放大数据进行钳制处理，得到第一钳制数据；

裁剪处理单元，用于将所述第一钳制数据进行裁剪处理，得到所述第二图像数据。