[发明专利]一种低照明度图像增强方法及系统

说明书

本发明公开了一种低照明度图像增强方法及系统，所述低照明度图像增强方法，包括：基于多个卷积核对低照度图像进行多尺度特征提取并对多尺度特征进行拼接得到多尺寸特征图；利用空间注意力机制对特征图进行特征筛选得到空间注意力特征图；基于串联三个残差块对空间注意力特征图进行映射得到高维特征；对高维特征进行权重处理得到通道注意力特征图；对通道注意力特征进行降通及取对数运算得到输入图像环境光照分量估计；根据Retinex理论对图像处理得到增强图像。本发明通过多尺度卷积获取低照度图像丰富的特征信息，利用残差块来有效加深网络的深度，将图像特征映射到高维，网络中使用空间和通道注意力来提升网络对显著信息的提取能力。

技术领域

本发明涉及图像处理技术领域，具体涉及一种低照明度图像增强方法及系统。

背景技术

高质量图像获取对于计算机视觉视觉任务，如目标检测、图像分割、文字识别、目标跟踪等领域尤为重要，只有提供准确的图像信息，才能确保视觉任务的顺利完成。然而，开放环境下拍摄角度变化、早晚的弱光照以及一些特殊的应用场景都会使相机视野存在亮度低、色彩饱和度差、细节信息难以辨认等问题。通过图像增强来改善弱光照图像对后续的计算机视觉任务具有重要的意义。

低照度图像广泛存在于各类计算机视觉任务中，通过图像处理技术来对低照度图像进行增强具有重要的意义。然而现有的增强方法往往存在色彩失真、细节处理能力弱以及泛化性不强等问题。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种低照明度图像增强方法及系统，通过多尺度卷积获取低照度图像丰富的特征信息，利用残差块来有效加深卷积神经网络的深度，将图像特征映射到高维，同时在卷积神经网络中使用空间和通道注意力来提升网络对显著信息的提取能力。

为了解决上述技术问题，本发明实施例提供了一种低照明度图像增强方法，所述低照明度图像增强方法，包括：

将低照度图像输入卷积神经网络；

基于多个卷积核对低照度图像进行多尺度特征提取，并对多尺度特征进行拼接处理，得到多尺寸特征图；

利用空间注意力机制对特征图进行特征筛选，得到空间注意力特征图；

基于串联三个残差块对空间注意力特征图进行映射，得到高维特征；

对高维特征进行权重处理，得到通道注意力特征图；

对通道注意力特征进行降通处理及取对数运算，得到输入图像环境光照分量估计；

根据Retinex理论结合输入图像环境光照分量估计对图像处理，得到增强图像。

优选的，所述根据Retinex理论结合输入图像环境光照分量估计对图像处理，之后包括：

根据误差损失函数和SSIM对增强图像进行增强图像误差计算，判断增强图像是否达标。

优选的，

所述根据误差损失函数和SSIM对增强图像进行增强图像误差计算，包括：

输入正常照明图像，通过误差损失函数和SSIM计算增强图像误差；

所述平均绝对误差的损失函数为：

上式中，Y表示网络输出的增强图像，S表示正常光照图像；

所述SSIM的损失函数为：