[发明专利]一种快速夜间低照度图像增强方法、系统及相关设备

说明书

本发明适用于图像分析领域，提供了一种快速夜间低照度图像增强方法、系统及相关设备，所述方法包括：构建快速夜间低照度图像增强模型；使用预设一阶损失函数对所述快速夜间低照度图像增强模型进行一阶训练，得到一阶模型；使用预设二阶损失函数对所述一阶模型进行二阶训练，得到最终图像增强模型；使用所述最终图像增强模型对夜间低照度图像进行增强。本发明实现了在低照度的夜晚通过实时计算得到高质量的全彩成像。

技术领域

本发明属于人工智能技术应用领域，尤其涉及一种快速夜间低照度图像增强方法、系统及相关设备。

背景技术

视频监控在治安和管理方面起着重要的作用，通过监控设备拍摄的图像数据常被用于关键信息的获取以及目标识别，这就对监控设备的成像能力有着很高的要求，在夜间时，监控设备的成像往往需要大量补充光源，而实现补光的常见手段仅是依赖其他的光源，并且由于电子光学成像的技术限制，拍摄出来的图像会具有噪点，成像效果较差，而使用了红外线监控、星光监控等技术的监控设备虽然可以实现夜间成像，但红外线监控只能获取黑白画面，而星光监控在亮度低于阈值时得到的成像也和红外线监控相同，以上方式都会对获取图像中的细节信息造成干扰。

发明内容

本发明实施例提供一种快速夜间低照度图像增强方法、系统及相关设备，旨在解决夜间监控成像受环境影响的程度大、成像质量差且仅能输出黑白图像的问题。

第一方面，本发明实施例提供一种快速夜间低照度图像增强方法，所述方法包括：

构建快速夜间低照度图像增强模型；

使用预设一阶损失函数对所述快速夜间低照度图像增强模型进行一阶训练，得到一阶模型；

使用预设二阶损失函数对所述一阶模型进行二阶训练，得到最终图像增强模型；

使用所述最终图像增强模型对夜间低照度图像进行增强。

更进一步地，所述快速夜间低照度图像增强模型的结构中依据处理逻辑先后包括低像素损失压缩单元、Sim-CSP单元、轮廓增强单元、上采样还原单元，其中：

所述低像素损失压缩单元用于将原始图像采用连续像素截取的方法进行通道扩展，得到具有高通道数的压缩图像；

所述Sim-CSP单元用于提取所述压缩图像的特征，得到压缩特征图像；

所述轮廓增强单元用于将所述压缩图像使用激活函数激活得到权重值，并将所述权重值与所述压缩特征图像进行乘法运算，得到轮廓增强图像；

所述上采样还原单元用于将所述轮廓增强图像进行卷积和上采样，得到与所述原始图像相同大小的最终图像。

更进一步地，所述Sim-CSP结构包括以卷积层、批归一化层、Relu层组成的CBR子单元，由两个所述CBR子单元跨残差支路相加组成的ResBlock子单元，由一个1*1卷积组成的基本卷积子单元，其中，所述CBR子单元和所述ResBlock子单元用于对所述压缩图像进行卷积计算以及批归一化、激活，从而得到图像特征，所述基本卷积子单元用于调整输出通道数量，最终输出所述压缩特征图像。

更进一步地，所述使用预设一阶损失函数对所述快速夜间低照度图像增强模型进行一阶训练，得到一阶模型的步骤中，所述预设一阶损失函数包括图像空间一致性损失函数和图像色彩平衡损失函数，且具体包括以下子步骤：

定义所述图像空间一致性损失函数为L1，所述图像色彩平衡损失函数为L2，L1的预设标准差阈值为R1，L1的预设总体权重为W1，L2的预设标准差阈值为R2，L2的预设总体权重为W2；

联合L1和L2并根据W1和W2对所述快速夜间低照度图像增强模型进行训练，在每一次梯度更新时计算包括当前迭代在内的前N个迭代时L1和L2各自的当前标准差C1和C2，并判断C1是否小于R1、C2是否小于R2，N为正整数，其中：