[发明专利]一种轻量级无监督暗光图像增强方法及装置

权利要求书

1.一种轻量级暗光图像增强方法，其特征在于，包括：

S1：建立图像分解网络，所述图像分解网络用于将输入的原始暗光图像分解为光照图像和反射图像；

S2：建立图像增强网络，所述图像增强网络用于增强所述光照图像的亮度以得到对应的增强光照图像，同时，根据所述增强光照图像得到对应的含噪声增强图像；

S3：建立图像去噪网络，所述图像去噪网络用于对所述含噪声 增强图像去除噪声，输出增强图像；

所述步骤S1还包括：

步骤S11：采用L1损失最小化函数降低所述原始暗光图像与所述光照图像及所述反射图像的差距；

步骤S12：采用第一平滑损失函数保证所述光照图像线性平滑，其中所述第一平滑损失函数具体表达式如下式所示：

式中，λ_x＝λ_y＝1.5，表示x、y方向的梯度算子，θ用于控制图像梯度的灵敏度且θ＝1.2,L＝log(gray(S))，gray(S)表示输入原始暗光图像的灰度图像，ε＝0.0001；

步骤S13：采用预训练VGG-19模型增强所述原始暗光图像与所述光照图像及所述反射图像的关联，具体表达式为：

式中，Ψ_i()表示VGG-19模型第i层卷积得到的特征映射，I表示光照图像，R表示反射图像，C_i、H_i、W_i表示特征映射的维度。

2.根据权利要求1所述的一种轻量级暗光图像增强方法，其特征在于，所述步骤S1中，所述图像分解网络包括：光照图分支网络及反射图分支网络，所述光照图分支网络包括依次连接的第一卷积+LReLU层、第二卷积+LReLU层及第一卷积+Sigmoid层，所述反射图分支网络包括依次连接的五层第一U-Net结构、第三卷积+LReLU层、第二卷积+Sigmoid层，且所述第二卷积+LReLU层与所述第三卷积+LReLU层串联。

3.根据权利要求1所述的一种轻量级暗光图像增强方法，其特征在于，所述步骤S2还包括：

步骤S21：将所述步骤S1得到的所述光照图像采用光照矫正曲线对所述光照图像进行增强，得到第一光照图像，其中光照矫正曲线的表达式为：

LE(I(p),α)＝I(p)+αI(p)(1-I(p))

式中，LE(I(p),α)是I(p)的增强结果，α是用于训练的增强参数，p是每一个像素；

将α转换成像素级A_n的形式，具体为：

LE_n(p)＝LE_n-1(p)+A_nLE_n-1(p)(1-LE_n-1(p))

步骤S22：对所述第一光照图像采用曝光损失函数控制曝光水平，得到第二光照图像，其中曝光损失函数的表达式为：

式中，Y表示尺寸为16*16的不重叠局部块亮度强度的平均值，E为曝光级别；

步骤S23：对所述第二光照图像采用第二平滑损失函数进行平滑迭代，得到最终的增强光照图像，其中第二平滑损失函数的表达式为：

式中，L_TV表示平滑损失，表示x、y方向的梯度算子；

步骤S24：将所述增强光照图像与所述反射图像逐像素相乘得到含噪声增强图像。

4.根据权利要求3所述的一种轻量级暗光图像增强方法，其特征在于，所述步骤S2中，所述图像增强网络包括依次连接的四层卷积+LReLU层、第一卷积+Tanh层，所述四层卷积+LReLU层两两进行串联。

5.根据权利要求1所述的一种轻量级暗光图像增强方法，其特征在于，所述步骤S3还包括：采用去噪损失函数对所述含噪声增强图像进行处理，输出增强图像。

6.根据权利要求5所述的一种轻量级暗光图像增强方法，其特征在于，所述步骤S3中，所述图像去噪网络包括依次连接的五层第二U-Net结构。

7.一种利用权利要求1-6任一项所述的轻量级暗光图像增强方法的图像增强装置，其特征在于，包括：

第一网络构建模块(1)，所述第一网络构建模块(1)用于构建所述图像分解网络；

第一图像处理模块(2)，所述第一图像处理模块(2)用于利用所述图像分解网络对原始暗光图像进行分解处理，得到对应的光照图像及反射图像；

第二网络构建模块(3)，所述第二网络构建模块(3)用于构建所述图像增强网络；

第二图像处理模块(4)，所述第二图像处理模块(4)用于利用所述图像增强网络对所述光照图像进行处理，以得到对应的增强光照图像，同时根据所述增强光照图像得到对应的含噪声增强图像；

第三网络构建模块(5)，所述第三网络构建模块(5)用于构建所述图像去噪网络；

第三图像处理模块(6)，所述第三图像处理模块(6)用于利用所述图像去噪网络用于对所述含噪增强图像去除噪声，输出增强图像。