[发明专利]一种自监督低照度图像增强方法及系统

权利要求书

1.一种自监督低照度图像增强方法，其特征在于，包括以下步骤：

对低照度图像进行直方图均衡化处理，再采用映射函数提取出经过直方图均衡化处理的低照度图像的高阶特征信息，将高阶特征信息作为直方图均衡先验信息；其中，低照度图像是指在环境光照强度小于1Lux情况下拍摄的图像；

计算低照度图像的最大通道值，将最大通道图像与低照度图像结合后输入到第一组合层以获取连接图中的特征图像；其中，第一组合层包括一层9×9的卷积和ReLU层；

以直方图均衡先验信息和连接图中的特征图像作为空间特征转换层的输入，学习直方图均衡先验信息的调制参数对以自适应地对连接图中的特征图像进行空间上的仿射变换，获取融入先验信息的特征图像；

将融入先验信息的特征图像输入到基于视网膜大脑皮层理论构建的自适应深度神经网络模型中，通过若干卷积层和sigmoid层获取反射图和亮度图；其中，所述反射图为复原图像。

2.根据权利要求1所述的自监督低照度图像增强方法，其特征在于，所述先验映射函数为深度卷积神经网络，包括五层结构，第一层为第二组合层，中间三层为第三组合层；最后一层为1×1卷积层；其中，第二组合层包括3×3卷积和LeakyReLU层；第三组合层包括1×1卷积和LeakyReLU层。

3.根据权利要求1或2所述的自监督低照度图像增强方法，其特征在于，所述空间特征转换层获取融入先验信息的特征图像方法为：

采用两层1×1卷积层提取出直方图均衡先验信息的中间参数与连接图中的特征图像进行相乘，获取直方图均衡先验信息的第一调制参数；

再采用两层1×1卷积层提取出直方图均衡先验信息的第二调制参数；

将第一调制参数与第二调制参数相加获取融入先验信息的特征图像。

4.根据权利要求3所述的自监督低照度图像增强方法，其特征在于，通过融入先验信息的特征图像获取反射图和亮度图的方法为：

所述融入先验信息的特征图像输入到U-Net网络中提取包含更深层次特征信息的深层特征图像；其中，更深层次特征信息包括低照度图像的结构信息和纹理信息；

采用第四组合层从输入的低照度图像中提取出输入图像的特征图像；其中，第四组合层包括一个3×3的卷积和ReLU层；

再通过连接的方式将输入图像的特征图像与深层特征图像进行结合；

采用两层3×3的卷积层对结合后的特征图像进行再次融合；

基于再次融合的特征图像，采用一层sigmoid层得到最终的反射图和亮度图，其中，反射图为复原图像。

5.根据权利要求4所述的自监督低照度图像增强方法，其特征在于，获取包含更深层次特征信息的深层特征图像方法为：

采用第五组合层对融入先验信息的特征图像进行下采样，降低融入先验信息的特征图像的尺寸，提取出包含更深层次特征信息的深层特征图像；其中，第五组合层包括两层3×3的卷积和ReLU层；

采用第六组合层对深层特征图像进行上采样，恢复到融入先验信息的特征图像的尺寸大小，同时保留了更深层次特征信息；其中，第六组合层包括两层3×3的反卷积和ReLU层。