实时低光照图像增强方法、系统、设备及存储介质与流程

技术特征：
1.一种实时低光照图像增强方法，其特征在于包括：获取低光照基准数据集；设计基于轻量化金字塔深度模型的低光照增强网络；通过低光照基准数据集对低光照增强网络进行训练，得到低光照增强网络模型；采用低光照增强网络模型对低光照图像进行处理，实现图像的光照增强。2.根据权利要求1所述的实时低光照图像增强方法，其特征在于，所述低光照基准数据集采用低光照/正常光照的配对数据集。3.根据权利要求1所述的实时低光照图像增强方法，其特征在于，所述低光照增强网络采用三层金字塔结构，第一层包括若干多尺度深度可分离密集卷积块，第二层和第三层均包括若干深度可分离密集卷积块。4.根据权利要求3所述的实时低光照图像增强方法，其特征在于，通过低光照基准数据集对低光照增强网络进行训练，得到低光照增强网络模型的过程包括：使用设定大小的不重叠的滑动窗口对输入低光照图像进行剪裁，并对剪裁后的图像执行两次最大池化下采样，得到两个不同分辨率的下采样图像，分别作为第二层和第三层级的输入；图像从第三层级开始训练，经过若干深度可分离密集卷积块后，将训练后的特征图上采样至第二层级，与第二层级的输入特征图拼接；第二层级的输入特征图与第三层级的输出特征图拼接后，经过若干深度可分离密集卷积块后，将训练后的特征图上采样至第一层级，与第一层级的输入特征图拼接；第一层级的输入特征图与第二层级的输出特征图拼接后，经过若干多尺度深度可分离密集卷积块后，输出最终的增强图像。5.根据权利要求3或4所述的实时低光照图像增强方法，其特征在于，第二层和第三层分别包括四个深度可分离密集卷积块，所述深度可分离密集卷积块包括两组深度可分离卷积块、instancenorm归一化函数和leakyrelu激活函数的串接模块；相邻两个深度可分离密集卷积块通过跳跃连接相连。6.根据权利要求3～5任一项所述的实时低光照图像增强方法，其特征在于，第一层包括四个多尺度深度可分离密集卷积块，所述多尺度密集深度可分离卷积块由一个3
×
3的深度可分离密集卷积块和一个5
×
5的深度可分离密集卷积块并联构成，其输出为两个深度可分离密集卷积块输出的concat连接。7.根据权利要求4所述的实时低光照图像增强方法，其特征在于，在训练过程中需要通过损失函数约束增强图像与正常曝光图像之间的特征距离，对网络参数进行迭代修正，包括：当图像在第三层级训练时，在增强图像和正常曝光图像之间，采用l2损失函数重建图像的光照信息；当图像在第二层级和第一层级训练时，使用感知损失和ssim损失来重建细节信息。8.一种实时低光照图像增强系统，其特征在于，该系统包括：数据集获取单元，被配置为获取低光照基准数据集；低光照增强网络设计单元，被配置为设计基于轻量化金字塔结构的低光照增强网络；低光照增强网络模型训练单元，被配置为通过低光照基准数据集对低光照增强网络进
行训练，得到低光照增强网络模型；光照增强单元，被配置为采用低光照增强网络模型对低光照图像进行处理，实现图像的光照增强。9.一种处理设备，所述处理设备至少包括处理器和存储器，所述存储器上存储有计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现权利要求1到7任一项所述的实时低光照图像增强方法。10.一种计算机存储介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现权利要求1到7任一项所述的实时低光照图像增强方法。

技术总结
本发明涉及一种实时低光照图像增强方法、系统、设备及介质，该方法包括：获取低光照基准数据集；设计基于金字塔结构的低光照增强网络；通过低光照基准数据集对低光照增强网络进行训练，得到低光照增强网络模型；采用低光照增强网络模型对低光照图像进行处理，实现图像的实时光照增强。本发明设计的轻量化金字塔结构的低光照增强方法，能够实现具有良好的视觉效果和色彩保真度的图像光照增强，其中深度可分离密集卷积块和多尺度深度可分离密集卷积块在减小模型参数量和计算量的同时，提升了特征提取性能，进而提高低光照增强效果。本发明适用于嵌入式平台的实时低光照增强。适用于嵌入式平台的实时低光照增强。适用于嵌入式平台的实时低光照增强。


技术研发人员：任坤 陶清扬 冯波 侯莹 韩红桂
受保护的技术使用者：北京工业大学
技术研发日：2021.07.22
技术公布日：2021/10/23