[发明专利]基于非配对训练的错误曝光图像的亮度调节方法

说明书

本发明设计了一种基于非配对训练的错误曝光图像的亮度调节方法，属于计算机视觉图像技术领域。本发明首先将任意亮度等级的图像和目标亮度的图像通过编码器分别解耦为内容分量和一个满足高斯分布的亮度分量，或直接输入一个高斯分布作为目标亮度分量，然后通过解码器将待处理的某亮度图像的内容分量和目标的亮度分量重新耦合生成目标亮度的图像。其中对亮度分量的处理是指将不同亮度等级的亮度分量拟合为唯一对应的高斯分布，将其转化为可调节的变量，本发明通过控制高斯分布的均值来实现目标亮度的转化。实验表明，本发明实现了图像不同亮度间的转化，能够有效恢复不同程度的欠曝和过曝图像，并在各个数据集较强的泛化能力。

技术领域

本发明属于计算机视觉图像技术领域，尤其是一种基于非配对训练的错误曝光图像的亮度调节方法。

背景技术

随着时代的发展和科技的进步，尤其是智能设备的普及，越来越多的人使用相机拍摄，并且拍摄图像被用于各种用途。在摄影中，过度曝光和曝光不足都是常见的错误，这会导致图像质量不佳。曝光错误的原因有很多，比如自动曝光时场景光的测量误差，手动调整时曝光的误差，以及光照条件不好等。上述由拍摄引起的问题，经过复杂的相机图像信号处理后，很难直接通过单一软件或操作进行纠正。错误曝光生成的图像对比度低，视觉效果差，还会影响后续应用。现有的方法主要集中在纠正曝光不足或一般图像质量增强，很少有方法能同时将曝光过度和曝光不足的图像恢复到曝光正确的图像。另外，不同场景和主观需求对正常亮度等级的定义不同，需要一个可以获取不同亮度级别的图像的方法。因此，如何同时修复过曝图像和欠曝图像，高效地对低质量图像进行可调节亮度增强，是计算机视觉领域的一个重要但又具挑战性的研究课题

图像增强技术(Image Enhancement)是指采用一系列技术去改善图像的视觉效果的方法。具体错误曝光图像的增强而言，是指针对错误曝光的图像存在的低亮度、低对比度和低信噪比等问题，进行亮度恢复，提升视觉效果。由于图像增强效果是偏主观的，不同需求下对于亮度等级的要求是不同的，因此实现对错误曝光的图像做到可调节亮度的调节更具有普适性。

传统的曝光校正和对比度增强方法大多利用直方图均衡化(HistogramEqualization)来提高图像质量，直方图均衡化是一种经典的数字图像处理方法，通过将图像的直方图分布近似成均匀分布，增强图像对比度，从而提升视觉效果，常见的方法有全局直方图均衡化、局部直方图均衡化、直方图规定化、动态直方图规定化和直方图分区方法等。也有研究采用调整亮度曲线去校正具有曝光错误的图像。此外许多工作采用了Retinex理论，假设图像可以分解为反射和照明分量，预测照明图以恢复曝光良好的目标图像，例如通过在初始光照图上施加结构先验作为最终的光照映射的低照度增强技术(LIME)。传统方法性能无法得到保证，处理情况有限，难以广泛应用。随着卷积神经网络的发展和算力的提升，越来越多的研究人员选择采用深度学习方法解决图像增强问题，例如学习从手机到DSLR相机的特征映射的图像增强技术(DPED)，基于Retinex理论的卷积神经网络(RetinexNet)，基于非配对数据对的生成对抗网络(EnlightenGAN)，学习图像到曲线的映射从而调整图像亮度的无参考图像增强方法(Zero-DCE)。但这些方法大多仅限于纠正曝光不足的错误，在过曝图像处理中表现较差，无法实现使用单个模型同时校正曝光过度和曝光不足的图像，仅能学习一对一的映射，不能调整为多个亮度级别。