【技术实现步骤摘要】
一种端到端抗块效应低照度图像增强方法
[0001]本专利技术属于图像增强领域，尤其涉及一种端到端抗块效应低照度图像增强方法。
技术介绍
[0002]良好的光照是保证图像质量的一个重要因素，当图像从低照度环境中捕获得到或者得到的图像为欠曝光图像时，一般存在亮度低、对比度低、细节信息模糊等缺点，需要对其进行亮度增强处理以获得更好的视觉效果。低照度图像增强通过变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配，既可以有效提升图像视频的视觉观感，也可以为目标检测、跟踪等视觉处理应用提供一个良好的预处理基础。在实际应用中，由于原始图像视频数据量庞大，在传输之前会对图像进行必要的编码压缩。图像视频的压缩虽然有效去除了空间和时间冗余，减小了图像视频的数据量，但不可避免地会产生块效应。由于现有的低照度图像增强技术，在对低照度图像进行图像增强处理时，均未考虑低照度图像压缩产生的块效应问题，因此，低照度图像压缩后经过现有的低照度增强算法处理后，压缩块效应很容易被放大，带来极差的视觉体验和内容破坏。...
【技术保护点】
【技术特征摘要】
1.一种端到端抗块效应低照度图像增强方法，其特征在于，包括下列步骤：步骤S1、构造训练数据集：为了训练端到端图像增强网络，构造训练数据集，该训练数据集是由多个数据对组成的序列集，每个数据对是由低照度图像和低照度图像对应的真值图像组成，其中真值图指的是正常照度图像；步骤S2、数据处理：使用有损压缩技术压缩训练数据集中的所有低照度图像，保持真值图像的图像质量；并根据使用需求将处理好的数据集分成测试数据和训练数据；步骤S3、构建端到端图像增强网络：端到端图像增强网络输入为压缩低照度图像，输出为增强图像；端到端图像增强网络包括增强主干网络和去块分支网络；所述增强主干网络是以卷积层作为基本单元的U型编解码网络，其中编码网络输入压缩低照度图像，输出卷积特征图；解码网络输入卷积特征图，输出网络预测图像；在U型编解码网络中，编码网络的卷积特征图和与之相同维度的解码网络的卷积特征图进行跳跃连接；所述去块分支网络是由一个卷积核尺寸为8
×
8的卷积组和一个卷积核尺寸为(8+ε)
×
(8+ε)的卷积组构成；其中，ε为两组卷积核的尺寸差，ε的取值范围为1～8的整数；去块分支网络输入压缩低照度图像，输出用于补偿卷积特征图的块边界补偿图；步骤S4、训练：将训练数据送入端到端图像增强网络，进行端到端的增强训练；同时通过损失函数对端到端图像增强网络进行优化，得到完成训练的端到端图像增强网络；步骤S5、测试：将测试数据输入完成训练的端到端图像增强网络得到最终的增强图像。2.根据权利要求1所述的一种端到端抗块效应低照度图像增强方法，其特征在于：所述步骤4中端到端的增强网络训练的具体过程如下：编码网络对输入的压缩低照度图像通过一个3
×
3卷积后，再通过3
×
3卷积+maxpooling+Relu激活函数来对特征进行下采样，一共下采样n次，每个maxpooling的下采样倍数为2；解码网络通过resize+3
×
3卷积进行上采样，一共上采样n次，每次resize的上采样倍数为2，最后通过1
×
1卷积融合不同层次的卷积特征图，输出网络预测图像；去块分支网络输入的压缩低照度图像先通过卷积核尺寸分别为8
×
8和(8+ε)
×
(8+ε)的卷积组计算出卷积结果残差，再通过Tanh激活函数，得到块边界补偿图，通过块边界补偿图对编码网络输出的卷积特征图相加实现对压缩低照度图像的补偿。3.根据权利要求1所述的一种端到端抗块效应低照度图像增强方法，其特征在于：所述步骤4中通过损失函数对端到端图像增强网络进行优化的具体内容如下：步骤S401、使用均方误差损失函数L
MSE
＝||I
pre
‑
I
gt
||最小化网络预测图与真值图的均方二范数差值；其中，||
·
||为2范数，I
pre
为网络预测图，I
gt
...
【专利技术属性】
技术研发人员：王正宁，曾仪，彭大伟，曾浩，刘怡君，冯妤婕，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
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。