【技术实现步骤摘要】
基于深度学习的暗光图像增强方法、装置、设备及介质
本专利技术属于图像处理
，尤其涉及一种基于深度学习的暗光图像增强方法、装置、设备及介质。
技术介绍
弱光成像一直是图像处理界的一大难题，在传统的成像系统中，若是想要在夜间拍摄一张清晰的图像，在硬件角度处理上，会使用大光圈拍摄，并且在相机内添加防抖系统，然而，这样使得相机的体积不断增大，在使用大光圈拍摄的时候，对弱光的成像的提及效果非常有限的；在拍摄角度处理上，大体上有两种方法，一：在使用三角架的基础上进行长曝光拍摄，从而得到一张曝光充足的图像，然而，长曝光拍摄一张照片通常需要等待较长的时间，在等待的过程中，需要保持相机为静止状态，若是稍有抖动，容易引起拍摄模糊的现象；二：提高拍摄时相机的感光度，然而，提高感光度会造成噪点现象，使得大部分的暗部细节无法恢复，增加了映像后期处理的难度。现如今，许多相机厂商都以弱光下的相机成像为卖点，但是在极弱的光线下，都无法达到较好的成像目的，部分相机的降噪算法在视觉可接受的范围内提升感光度，但无法适应复杂的暗光环境。在传统的相机中...
【技术保护点】
1.一种基于深度学习的暗光图像增强方法，其特征在于，所述方法包括下述步骤：/n分别采用短曝光方式和长曝光方式对同一目标场景进行图像采集，得到对应的RAW格式训练图像和对照图像；/n对所述训练图像进行预处理，并将所述预处理后的训练图像采样为四通道的特征图像；/n将所述四通道的特征图像输入到全卷积神经网络中，得到对应的RGB图像；/n计算所述RGB图像和对应的所述对照图像之间的均方误差，并根据所述均方误差，采用梯度下降算法对所述全卷积神经网络的各参数进行更新；/n判断参数更新次数是否达到预设的更新阈值，是则，通过更新后的所述全卷积神经网络对全尺寸目标暗光图像进行图像增强，以得到...
【技术特征摘要】
1.一种基于深度学习的暗光图像增强方法，其特征在于，所述方法包括下述步骤：
分别采用短曝光方式和长曝光方式对同一目标场景进行图像采集，得到对应的RAW格式训练图像和对照图像；
对所述训练图像进行预处理，并将所述预处理后的训练图像采样为四通道的特征图像；
将所述四通道的特征图像输入到全卷积神经网络中，得到对应的RGB图像；
计算所述RGB图像和对应的所述对照图像之间的均方误差，并根据所述均方误差，采用梯度下降算法对所述全卷积神经网络的各参数进行更新；
判断参数更新次数是否达到预设的更新阈值，是则，通过更新后的所述全卷积神经网络对全尺寸目标暗光图像进行图像增强，以得到所述目标暗光图像对应的增强图像，否则，通过更新后的所述全卷积神经网络得到所述训练图像对应的RGB图像，更新所述参数更新次数，并跳转至计算所述RGB图像和对应的所述对照图像之间的均方误差的步骤。
2.如权利要求1所述的方法，其特征在于，对所述训练图像进行预处理的步骤，包括：
对所述训练图像进行黑电平校正和归一化处理，得到子训练图像；
对所述子训练图像进行随机裁剪和旋转，得到所述预处理后的训练图像。
3.如权利要求2所述的方法，其特征在于，对所述训练图像进行黑电平校正和归一化处理的步骤，包括：
通过公式对所述训练图像进行黑电平校正和归一化处理，其中，f(x,y)为所述训练图像中坐标为(x,y)的像素值，a为所述训练图像的位深，F(X,Y)为对所述训练图像进行黑电平校正和归一化处理后得到的所述子训练图像，(X,Y)为所述子训练图像中坐标为(X,Y)的像素点。
4.如权利要求1所述的方法，其特征在于，所述全卷积神经网络由一个U-net网络和在所述U-net网络的输出层后连接的一个PixelShuffle下采样层组成。
5.一种基于深度学习的暗光图像增强装置，其特征在于，所述装置包括：
RAW图像采集单元，用于分别采用短曝光方式和长曝光方式对同一目标场景进行图像采集，得到对应的RAW格式训练图像和对照图像；
图像预处理单元，用于对所述训练图像进行预处理，并...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。