[发明专利]低照度图像处理方法和系统

权利要求书

1.一种用于图像处理的方法，包括：

获取待处理图像；

确定所述待处理图像是低照度图像还是高照度图像；

响应于确定所述待处理图像为低照度图像：

提取所述低照度图像的尺度不变特征变换SIFT特征；

基于SIFT特征将所述低照度图像与参照特征库中的高照度参照图像进行比较；

响应于在所述参照特征库找到与所述低照度图像的相似度高于阈值的高照度参照图像，用所找到的高照度参照图像作为所述低照度图像的经处理图像；

响应于在所述参照特征库未找到与所述低照度图像的相似度高于阈值的高照度参照图像，提取所述低照度图像的图像特征；以及

将提取的图像特征输入经训练的基于生成对抗网络的图像去噪模型来得到所述低照度图像的经处理图像。

2.如权利要求1所述的方法，其特征在于，提取所述低照度图像的图像特征进一步包括：

使用经训练的宽度学习网络来提取所述低照度图像的空间特征。

3.如权利要求2所述的方法，其特征在于，所述宽度学习网络是通过以下过程训练的：

生成特征节点，建立输入的训练数据到特征节点的映射；

通过增强映射函数对各个特征节点进行增强以形成对应的增强节点；以及

将所述特征节点和所述增强节点作为所述宽度学习网络的输入层，对训练数据中的相应的目标值执行求伪逆，以得到所述宽度学习网络的权重系数。

4.如权利要求1所述的方法，其特征在于，所述生成对抗网络是通过以下过程训练的：

获取用于训练所述生成对抗网络的训练数据集，所述训练数据集包括含噪声的模糊图像以及不含噪声的清晰图像；

使用所述训练数据集来完成所述生成对抗网络的训练，所述生成对抗网络的训练进一步包括重复执行以下步骤：

将所述模糊图像的提取特征送入到所述生成对抗网络的生成器并生成去噪声图像；

将所述生成器生成的去噪声图像与所述清晰图像送入所述生成对抗网络的判别器以供所述判别器进行真实图像判别；以及

进行所述生成器和所述判别器的损失计算，并根据计算结果对所述生成器和所述判别器的参数进行更新，

其中经训练后的生成器被用作为所述图像去噪模型。

5.如权利要求4所述的方法，其特征在于，所述模糊图像的提取特征是使用经训练的宽度学习网络提取的空间特征。

6.如权利要求1所述的方法，其特征在于，所述参照特征库是通过以下方式构建的：

采集亮度高于阈值的高照度图像；

对当前采集的高照度图像进行SIFT特征提取；

将提取的SIFT特征与库中已有的SIFT特征进行比对；以及

如果当前采集的高照度图像的SIFT特征与库中任意一个已有的SIFT特征的相似度小于预定阈值，则将当前采集的高照度图像加入库中。

7.如权利要求6所述的方法，其特征在于，对加入所述参照特征库中的图像进一步执行以下操作：

对入库图像进行灰度处理；

对经灰度处理的图像进行拉普拉斯变换；以及

对经拉普拉斯变换的图像进行序列化保存。