[发明专利]低光照图像增强方法、相关设备及可读存储介质在审

专利信息
申请号: 202210192117.9 申请日: 2022-02-28
公开(公告)号: CN114549362A 公开(公告)日: 2022-05-27
发明(设计)人: 白曼;谭昶;贾若然;郑爱华;刘江;冯祥;韩辉 申请(专利权)人: 讯飞智元信息科技有限公司;科大讯飞股份有限公司;安徽大学
主分类号: G06T5/00 分类号: G06T5/00;G06T5/40;G06K9/62;G06N3/04;G06V10/774;G06V10/82
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 侯珊
地址: 230088 安徽省合肥市高*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 光照 图像 增强 方法 相关 设备 可读 存储 介质
【权利要求书】:

1.一种低光照图像增强方法,其特征在于,所述方法包括:

获取待进行增强的低光照图像;

将所述低光照图像输入分解模型,所述分解模型对所述低光照图像进行分解得到光照图;所述分解模型是基于训练用图像对训练得到的,所述训练用图像对包括一个训练用低光照图像,以及一个训练用正常光照图像,所述训练用低光照图像与所述训练用正常光照图像为同一场景下不完全配对的两个图像;

基于所述光照图,得到增强后的图像。

2.根据权利要求1所述的方法,其特征在于,所述分解模型的训练损失包括:

所述分解模型输出的所述训练用低光照图像的反射图的特征图与经过直方图均衡化处理的所述训练用低光照图像的特征图的一致性损失。

3.根据权利要求2所述的方法,其特征在于,所述训练损失还包括:

基于所述分解模型输出的所述训练用低光照图像的光照图得到的增强后的图像与所述训练用正常光照图像的判别器损失、所述分解模型输出的所述训练用低光照图像的反射图与所述分解模型输出的所述训练用正常光照图像的反射图的一致性损失、所述分解模型输出的所述训练用低光照图像的光照图和所述分解模型输出的所述训练用低光照图像的反射图的重建损失中的任意一种或多种。

4.根据权利要求1所述的方法,其特征在于,所述基于所述光照图,得到增强后的图像,包括:

基于所述光照图,确定所述低光照图像的曝光图;

确定所述低光照图像中照度良好的区域图,以及所述曝光图中照度良好的区域图;

将所述低光照图像中照度良好的区域图,以及所述曝光图中照度良好的区域图进行重构,得到增强后的图像。

5.根据权利要求4所述的方法,其特征在于,所述基于所述光照图,确定所述低光照图像的曝光图,包括:

基于所述光照图,确定所述低光照图像中低光照的像素点;

对所述低光照图像中低光照的像素点进行亮度变换,得到所述低光照图像的曝光图。

6.根据权利要求5所述的方法,其特征在于,所述基于所述光照图,确定所述低光照图像中低光照的像素点,包括:

将所述光照图中像素值小于预设阈值的像素点对应的所述低光照图像中的像素点,确定为所述低光照图像中低光照的像素点。

7.根据权利要求4所述的方法,其特征在于,所述确定所述低光照图像中照度良好的区域图,以及所述曝光图中照度良好的区域图,包括:

确定所述低光照图像对应的第一权重矩阵和第二权重矩阵;

基于所述第一权重矩阵与所述低光照图像,确定所述低光照图像中照度良好的区域图;

基于所述第二权重矩阵与所述曝光图,确定所述曝光图中照度良好的区域图。

8.根据权利要求7所述的方法,其特征在于,所述确定所述低光照图像对应的第一权重矩阵和第二权重矩阵,包括:

以所述光照图中各像素点的像素值为底数,以预设数值为指数,计算所述光照图中各像素点的权重,所述光照图中各像素点的权重组合得到所述第一权重矩阵;

对所述第一权重矩阵进行归一化计算,得到所述第二权重矩阵。

9.一种低光照图像增强装置,其特征在于,所述装置包括:

获取单元,用于获取待进行增强的低光照图像;

分解单元,用于将所述低光照图像输入分解模型,所述分解模型对所述低光照图像进行分解得到光照图;所述分解模型是基于训练用图像对训练得到的,所述训练用图像对包括一个训练用低光照图像,以及一个训练用正常光照图像,所述训练用低光照图像与所述训练用正常光照图像为同一场景下不完全配对的两个图像;

增强单元,用于基于所述光照图,得到增强后的图像。

10.一种低光照图像增强设备,其特征在于,包括存储器和处理器;

所述存储器,用于存储程序;

所述处理器,用于执行所述程序,实现如权利要求1至8中任一项所述的低光照图像增强方法的各个步骤。

11.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至8中任一项所述的低光照图像增强方法的各个步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于讯飞智元信息科技有限公司;科大讯飞股份有限公司;安徽大学,未经讯飞智元信息科技有限公司;科大讯飞股份有限公司;安徽大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210192117.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top