基于多尺度的轻量级低光图像增强方法技术

本发明专利技术提供了基于多尺度的轻量级低光图像增强方法。它解决了现有方法无法完整保留图像细节、清晰度差、色彩失真与泛化能力弱等问题。本发明专利技术利用图像的多尺度表示，使用深度神经网络提取低光图像的多尺度光照信息，有效发掘并保留图像的细节特征。采用渐进式融合策略对多尺度光照信息进行融合与调整，恢复得到可准确表示外界光照分布的精细光照图像。最终根据视觉理论消除外界光照的不良影响，实现图像增强。本发明专利技术充分利用了图像在不同尺度下的互补特征信息，增强图像视觉效果好，且网络简洁，处理速度快，具有实用价值。

【技术实现步骤摘要】
基于多尺度的轻量级低光图像增强方法
本专利技术属于图像增强
，具体涉及到一种基于多尺度的轻量级低光图像增强方法。
技术介绍
低光环境一直是计算机视觉领域的难题，任何在光照不足、不均的环境下拍摄的图像都会存在亮度低、噪声多、色彩失真等问题，严重降低图像质量，影响计算机视觉系统的性能。因此，为了提高图像质量与视觉系统的性能，有必要对低光图像进行增强处理。在过去的数十年间，科研人员一直致力于低光图像增强方法的研究与应用工作。目前，已有的低光图像增强方法分为传统方法和深度学习方法。传统方法又可分为基于直方图均衡化方法与基于Retinex理论方法。前者通过扩大图像的灰度动态范围改变图像灰度的整体分布状况，提高图像亮度，但对图像细节的增强效果较差。后者基于Retinex视觉理论，认为低光图像是物体反射图像与外界光照图像的乘积，通过对低光图像进行高斯模糊等操作获得光照图像，然后利用数学计算去除光照影响，得到反射图像，即增强结果。此类方法对彩色图像增强效果有限，容易产生色彩失真。近年来，随着深度学习的迅速发展与大数据时代的到来，基于深度学本文档来自技高网...

【技术保护点】
1.一种基于多尺度的轻量级低光图像增强方法，其特征在于，包括步骤如下：/n步骤一、对低光图像进行多尺度变换，获得不同尺度的低光图像；/n步骤二、利用网络提取不同尺度的低光图像的初始光照；/n步骤三、对不同尺度的初始光照进行跨尺度融合，获得融合光照；/n步骤四、对多尺度融合光照进行上采样、连接与调整操作，获得精细光照；/n步骤五、根据Retinex视觉理论，由精细光照计算得到增强图像。/n

【技术特征摘要】
1.一种基于多尺度的轻量级低光图像增强方法，其特征在于，包括步骤如下：
步骤一、对低光图像进行多尺度变换，获得不同尺度的低光图像；
步骤二、利用网络提取不同尺度的低光图像的初始光照；
步骤三、对不同尺度的初始光照进行跨尺度融合，获得融合光照；
步骤四、对多尺度融合光照进行上采样、连接与调整操作，获得精细光照；
步骤五、根据Retinex视觉理论，由精细光照计算得到增强图像。


2.根据权利要求1所述的基于多尺度的轻量级低光图像增强方法，其特征在于，所述步骤一具体过程为：以低光图像作为底层图像，自底向上建立高斯图像金字塔，具体实现过程如公式(1)、(2)所示：






在公式(1)中，Gi表示金字塔第i层图像，共有n层，Down()表示下采样操作，表示卷积操作，gk×k表示尺寸为k×k的高斯卷积核；公式(2)为高斯核函数，其中σ表示尺度参数；多次迭代以上过程得不同高度的图像金字塔。


3.根据权利要求1所述的基于多尺度的轻量级低光图像增强方法，其特征在于，所述步骤二具体为：设计含有多层网络结构的提取网络，独立提取不同尺度的低光图像的初始光照，各层网络结构由单元构成，每个单元依次由卷积层、批归一化层、激活函数组成；根据输入图像的尺度不同，各层网络的卷积核尺寸依次设置为步骤一中相应层的卷积核尺寸。


4.根据权利要求1所述的基于多尺度的轻量级低光图像增强方法，其特征在于，所述步骤三具体为：将步骤二得到的低分辨率的初始光照输入到融合网络模型中，对光照信息进一步提取，然后利用反卷积进行上采样，与所有高分辨率初始光照逐像素相加，实现特征融合；迭代上述过程，获得多尺度的融合光照；所述融合网络内部包括残差块，每个残差块由卷积层、批归一化层以及激活函数组成，各残差块内部利用跳跃连接，实现光照信息的渐进式融合与梯度的反向传播。


5.根据权利要求1所述的基于多尺度的轻量级低光图像增强方法，其特征在于，所述步骤四具体为：首先将步骤二得到的初始光照与步骤三得到的融合光照分别在各自尺度下进行连接；然后利用卷积层进一步整合光照信息，学习多尺度光照的各通道间的关联性与依赖性，输出新的光照；然后自顶向下，对相邻尺度的光照进行连接操作，先将低尺度光照上采样至与高尺度光照相同尺寸再进行连接，得到较高尺度的新光照；对所有相邻尺度光照迭代进行上述操作，直至获得尺寸与原始图像相同的多通道...

【专利技术属性】
技术研发人员：仲维，张晓东，刘日升，樊鑫，罗钟铉，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21