[发明专利]基于深度抠图的逆光图像增强方法

说明书

本发明公开了一种基于深度抠图的逆光图像增强方法，首先，对原始图像进行深度抠图，获取精确的前景蒙版。通过定义图像的三元图，将曝光不足区域划分为前景，曝光正常区域与曝光不足区域衔接部分标为未知区域，输入编码‑解码器网络中计算图像的不透明度，获取预测前景蒙版，再将结果输入细化网络，得到更加精确的前景蒙版。其次，采用伽马变换的方法对图像进行增强，可通过计算增强后图像的信息熵，对γ的取值进行优化。最后，将原始图像作为背景图与增强图像进行合成，使处理后的图像整体更加自然。本发明消除了逆光条件对拍摄主体的影响，不仅避免了曝光不足或曝光过度的问题，还在保留颜色和细节信息的基础上提升了图像的亮度。

技术领域

本发明属于逆光图像增强技术领域，具体涉及基于深度抠图的逆光图像增强方法。

背景技术

随着摄影技术的发展，图像质量在分辨率上有了很大的提高。然而，由标准成像设备捕获的图像往往会处于不均匀照明环境下，如逆光、夜间和光线较暗的室内等场景，这些图像可能会在曝光不足的区域丢失重要信息，使图像内容对人眼不可见。不同于普通的低照度图像，逆光图像有一个较为广泛的动态范围，同时包含非常暗和非常亮的区域，因此需要改善图像中光照不理想的区域。由于相机动态范围有限，如果我们增加相机曝光来显示曝光不足的区域，那么就会对曝光良好的区域造成曝光过度甚至饱和。针对这一问题，许多研究者都提出了图像增强算法，但大多数方法局限于区域间分割的精度，难以产生高质量的、视觉效果更加自然的增强图像。因此，对逆光图像中如何精确地提取出曝光不足部分并对其进行与曝光正常区域相适应程度增强的问题具有重要的研究意义。

目前，逆光图像增强的研究方法大致从两个角度出发：融合技术与软分割技术。融合技术可以将多个输入融合起来，这些输入通常提高了逆光图像的对比度，细节信息，轮廓信息等，结合对应的权重调整逆光图像的灰度值。但当图像的灰度分布极不均匀，则会导致色度失真的问题。软分割技术是通过某种模型识别过程将逆光图像中曝光不足区域与曝光正常区域分割开来，对曝光不足区域进行色调映射调整其灰度值，但该算法的增强效果往往取决于分割识别的精度，对背景较为复杂的逆光图像无法进行有效的增强，并且容易产生光晕现象。

发明内容

本发明的目的是提供基于深度抠图的逆光图像增强方法，解决了现有技术中存在的曝光正常区域与曝光不足区域分割精度不足、增强过度和颜色与对比度失真的问题。

本发明所采用的技术方案是，基于深度抠图的逆光图像增强方法，具体按照以下步骤实施：

步骤1、输入原始逆光图像，将原始逆光图像中的逆光区域视为待增强的前景，手工标记出图像的已知逆光前景部分和待分割区域，获取图像对应的trimap图；

步骤2、根据原始逆光图像和对应的trimap图，利用编码-译码器网络进行抠图，得到预测前景蒙版，将预测前景蒙版、原始逆光图像输入到细化网络中对透明度值进行细化，获得锐化后的前景蒙版；

步骤3、根据锐化后的前景蒙版精确区分出原始逆光图像的逆光区域，利用自适应优化γ值的伽马变换算法对逆光部分进行增强，得到增强前景图；

步骤4、将增强前景图与原始逆光图像进行合成，将增强前景图替代原始逆光图像中逆光区域，得到最终的增强图像。

本发明的特点还在于：

步骤1具体过程为：输入原始逆光图像，原始逆光图像视为由前景层和背景层构成，因此可用线性组合下的图像合成方程(1)来表示：

I＝αF+(1-α)B (1)

其中，I是给定像素的颜色，F是未知的前景色，B为未知背景色，α为未知的透明度；