[发明专利]一种低光图像的曝光差增强方法及装置

说明书

本发明公开了一种低光图像的曝光差增强方法及装置，本发明首先获取若干低光图像及对应的参考标准图像，并对低光图像进行数据预处理，之后构建曝光差增强网络，包括相连接的曝光差模块和全局一致性引导的颜色调整模块，所述曝光差模块用于提取低光图像和根据低光图像生成的曝光图像之间的曝光差特征，所述颜色调整模块用于基于曝光差特征进行全局信息和颜色边缘纹理的捕捉，输出增强后的图像；再将预处理后的低光图像和对应的正常光图像作为样本，对所述曝光差增强网络进行训练；最后将待增强的低光图像输入训练好的曝光差增强网络，得到增强后的图像。本发明可以对低光图像甚至极低光图像进行图像增强，增强后的图像效果相比现有技术更好。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种低光图像的曝光差增强方法、装置。

背景技术

低光图像增强在计算机视觉领域中有着至关重要的作用，如人群计数、目标检测和行为识别等视觉任务都会受到低光图像可见度低的影响，低光图像视觉任务相比去噪，超分具有更广的适用范围。低光图像增强不仅需要提高视觉的可见度，还原正常光下的细节纹理，复原整张图像的真实颜色，同时兼具去噪和画面清晰的任务。因此，在极其黑暗的条件下捕捉的图像进行很好的恢复是一个具有挑战性的任务。而一个好的低光图像增强方法会辅助解决其他计算机视觉任务，达到更优化的性能。

低光图像增强工作近年来不断在完善，随着深度学习技术的发展，从原始的传统方法，例如直方图均衡化和Retinex理论，到利用神经网络训练推理出低光图像增强后的图片。但是在低光图像增强过程中，低光图像可能对应不同亮度的正常光线图像，因此，无法确定一个低光图像对应的正常光图像的光照。其次，大多数低光图像网络中的残差结构无法感知图像内容的退化。第三，观察到极低光图像存在颜色失真、细节不清晰、对比度低和噪音大的问题，会直接影响到全局上下文的恢复，同时一般的卷积结构感受野是不够大的，无法捕捉到全局丰富的信息。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种复原效果更好的低光图像的曝光差增强方法及装置。

技术方案：本发明所述的低光图像的曝光差增强方法包括：

S1：获取若干低光图像及对应的参考标准图像；

S2：对低光图像进行数据预处理；

S3：构建曝光差增强网络，包括相连接的曝光差模块和全局一致性引导的颜色调整模块，所述曝光差模块用于提取输入的低光图像和根据该低光图像生成的不同曝光系数的曝光图像之间的曝光差特征，所述颜色调整模块用于基于曝光差特征进行全局信息和颜色边缘纹理的捕捉，输出增强后的图像；

S4：将预处理后的低光图像和对应的正常光图像作为样本，对所述曝光差增强网络进行训练；

S5：将待增强的低光图像输入训练好的曝光差增强网络，得到增强后的图像。

进一步的，所述S2具体包括：

S2-1：将低光图像分辨率调整至预设值；

S2-2：将调整后的低光图像进行数据增广。

进一步的，所述S2-2具体包括：

S2-2-1：将低光图像以预设概率进行随机水平翻转；

S2-2-2：将低光图像以预设概率进行随机垂直翻转；

S2-2-3：将低光图像进行随机裁剪。

进一步的，所述S3中的曝光差模块具体包括：

曝光图像生成单元，用于基于低光图像生成多张不同曝光系数的曝光图像；

卷积层，用于分别基于低光图像和多张曝光图像生成对应的基特征；