面向矿井低光照环境的图像超分辨率重建方法及装置制造方法及图纸

本发明专利技术涉及一种面向矿井低光照环境的图像超分辨率重建方法及装置，属于计算机视觉技术领域，解决了现有图像超分辨率重建方法耗时且获得的超分辨率图像精度较差的问题。方法包括：获取低光照环境的原始输入图像，并对原始输入图像进行平滑滤波，得到原始输入图像对应的亮度图；基于原始输入图像、亮度图和反射图的自适应权重，获得原始输入图像对应的反射图；基于字典学习算法对反射图进行超分辨率重建，得到原始输入图像对应的超分辨率图像。实现了低分辨率图像的重建，提高了获得的高分辨率图像的精度。率图像的精度。率图像的精度。

【技术实现步骤摘要】
面向矿井低光照环境的图像超分辨率重建方法及装置


[0001]本专利技术涉及计算机视觉
，尤其涉及一种面向矿井低光照环境的图像超分辨率重建方法及装置。

技术介绍

[0002]煤矿井下巷道内的环境复杂，整体背景较为昏暗，井下的照明主要来源于人造光源，灯光照明区域与背光区域亮度反差大，低光照的环境条件造成视频图像采集终端采集到的图像分辨率很低，整体成像质量较差，严重影响了后续的智能视频场景的分析与智慧化矿井的建设。为此，如何对矿井低光照环境下的图像进行重建以获取清晰地成像结果一直是当前矿井AI视频分析取得良好效果的瓶颈。
[0003]现有的超分辨率重建数据集大都是在亮度适当、轮廓清晰和色彩均衡的条件下收集的，但是在现实场景中，由于拍摄角度或者光线等问题会导致拍摄出来的图片比较阴暗，当在弱光环境下或者是光照不均匀环境下测试时，图像重建的效果将会大大降低。同时，深度学习的神经网络过于庞大复杂，训练耗时较长，获得的超分辨率图像精度较差。

技术实现思路

[0004]鉴于上述的分析，本专利技术实施例旨在提供一种面向矿井低光照环境的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向矿井低光照环境的图像超分辨率重建方法，其特征在于，包括下述步骤：获取低光照环境的原始输入图像，并对所述原始输入图像进行平滑滤波，得到原始输入图像对应的亮度图；基于所述原始输入图像、所述亮度图和反射图的自适应权重，获得原始输入图像对应的反射图；基于字典学习算法对所述反射图进行超分辨率重建，得到原始输入图像对应的超分辨率图像。2.根据权利要求1所述的面向矿井低光照环境的图像超分辨率重建方法，其特征在于，对所述原始输入图像进行平滑滤波，得到原始输入图像对应的亮度图，包括下述步骤：基于高斯滤波器获取所述原始输入图像对应的初始亮度图，公式如下：L
n,i
(x,y)＝S
i
(x,y)*M
n
(x,y)上式中，L
n,i
(x,y)为原始输入图像对应的初始亮度图，S
i
(x,y)为原始输入图像，x、y分别为原始输入图像中某一像素点的横、纵坐标，M
n
(x,y)为归一化环绕函数，i为不同颜色的通道，且i∈{R,G,B}；基于所述原始输入图像对应的初始亮度图和引导滤波器函数计算得到原始输入图像对应的亮度图，公式如下：L
′
n,i
(x,y)＝F
guided
(S
i
(x,y),L
n,i
(x,y),r
n
,ε)上式中，L
′
n,i
(x,y)为原始输入图像对应的亮度图，F
guided
()表示引导滤波器函数，ε为正则化参数，r
n
为引导滤波器的尺度，n∈[1,N]，N为总尺度数,r1∈[r
mid
,r
max
]，r2∈[r
min
,r
mid
]，r3∈[1,r
min
]，其中r
min
＝[min(height,width)/(2
N
)]r
max
＝[min(height,width)/2
‑
1]r
mid
＝[(r
min
+r
max
)/2]上式中，r
min
为引导滤波器的小尺度，r
mid
为引导滤波器的中尺度，r
max
为引导滤波器的大尺度，height为原始输入图像的高度，width为原始输入图像的宽度。3.根据权利要求2所述的面向矿井低光照环境的图像超分辨率重建方法，其特征在于，所述基于所述原始输入图像、所述亮度图和反射图的自适应权重，获得原始输入图像对应的反射图的步骤包括：根据下式计算反射图的对数表示：上式中，为原始输入图像对应的反射图的对数表示，W
n,i
为反射图的自适应权重，S
i
(x,y)为原始输入图像，L
′
n,i
(x,y)为原始输入图像对应的亮度图。4.根据权利要求1所述的面向矿井低光照环境的图像超分辨率重建方法，其特征在于，所述反射图的自适应权重通过如下步骤获得：将Sobel边缘算子从0
°
和90
°
两个方向扩展为0
°
、45
°
、90
°
和135
°
四个方向，得到0
°
、45
°
、90
°
和135
°
四个方向的卷积核；基于所述0
°
、45
°
、90
°
和135
°
四个方向的卷积核计算得到原始灰度图的梯度图像，并对
所述原始灰度图的梯度图像进行归一化处理，得到归一化梯度图像；其中，所述原始灰度图为原始输入图像对应的灰度图；基于所述原始灰度图的梯度图像和归一化梯度图像得到反射图的自适应权重。5.根据权利要求4所述的面向矿井低光照环境的图像超分辨率重建方法，其特征在于，基于字典学习算法对所述反射图进行超分辨率重建，得到原始输入图像对应的超分辨率图像，包括下述步骤：对所述反射图进行下采样和模糊操作，得到反射图对应的低分辨率图像；对所述反射图对应的低分辨率图像和用于训练的高分辨率图像、低分辨率图像分别进行分块操作，得到用于字典学习的图像块样本对数据集；对所述图像块样本对数据集进行字典学习，得到第一字典；基于在线字典学习更新所述第一字典，得到第二字典；基于所述第二字典及反射图对应的低分辨...

【专利技术属性】
技术研发人员：郭林，江曼，程德强，寇旗旗，
申请(专利权)人：江苏华图矿业科技有限公司，
类型：发明
国别省市：