一种图像恢复方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种图像恢复方法、系统、装置和存储介质，其中方法包括：获取低照度图像对，根据所述低照度图像对挑选训练集；采用所述训练集对图像恢复模型进行训练；获取需要恢复的低照度图片，将所述低照度图片输入训练后的所述图像恢复模型，输出恢复后的低照度图片；其中，低照度图片输入图像恢复模型后，先经过一层卷积层和激活层处理后，获得通道数为32的主特征图，再依次进行三次下采样，获得不同尺寸下三个特征图，同时三个特征图进行特征提取，以及进行特征融合。本发明专利技术先对特征图进行多次下采样，再对不同特征图进行特征提取和上采样融合，通过这种增大网络的宽度的方式，减少了网络的深度。本能发明专利技术可广泛应用于图像恢复技术领域。复技术领域。复技术领域。

【技术实现步骤摘要】
一种图像恢复方法、系统、装置和存储介质


[0001]本专利技术涉及图像恢复
，尤其涉及一种图像恢复方法、系统、装置和存储介质。

技术介绍

[0002]在夜间低照度情况下采集的图片往往呈现低视觉感、低对比度和较差的颜色对比度。现有的图像增强方法中，深度卷积神经网络在图像增强方面表现得较为出色，然而深度卷积神经网络在保持图像的空间特征和去噪方面表现得差强人意。尤其是现有的U
‑
net网络结构对cpu占用率高，且运行速度慢，对图像的结构化特征无法进行有效地提取；随着U
‑
net层数的加深，图像中的噪声往往表现得更为明显，正则化参数都需要精细挑选，难以自动适应于多种场景。

技术实现思路

[0003]为至少一定程度上解决现有技术中存在的技术问题之一，本专利技术的目的在于提供一种图像恢复方法、系统、装置和存储介质。
[0004]本专利技术所采用的技术方案是：
[0005]一种图像恢复方法，包括以下步骤：
[0006]获取低照度图像对，根据所述低照度图像对挑选训练集；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像恢复方法，其特征在于，包括以下步骤：获取低照度图像对，根据所述低照度图像对挑选训练集；采用所述训练集对图像恢复模型进行训练；获取需要恢复的低照度图片，将所述低照度图片输入训练后的所述图像恢复模型，输出恢复后的低照度图片；其中，所述图像恢复模型对低照度图片进行以下操作：将所述低照度图片经过一层卷积层和激活层处理后，获得通道数为32的主特征图，再依次进行三次下采样，获得不同尺寸下的第一特征图、第二特征图和第三特征图；对所述第一特征图进行特征提取，获取第一全局特征图和第一局部特征图，对所述第一全局特征图和所述第一局部特征图进行融合，获得第一融合特征图；对所述第二特征图进行特征提取，获取第二全局特征图和第二局部特征图，对所述第二全局特征图、所述第二局部特征图和所述第一融合特征图进行融合，获得第二融合特征图；对所述第三特征图进行特征提取，获取第三全局特征图和第三局部特征图，对所述第三全局特征图、所述第三局部特征图和所述第二融合特征图进行融合，获得第三融合特征图；将所述主特征图和所述第三融合特征图进行融合，输出恢复后的图片。2.根据权利要求1所述的一种图像恢复方法，其特征在于，对所述主特征图进行三次下采样，获得不同尺寸下的第一特征图、第二特征图和第三特征图，包括：对通道数为32的所述主特征图进行离散小波变换，获得通道数为32*4＝128的特征图，再对特征图进行经过一层卷积层和激活层处理后，将通道数减半获得通道数为64的第一特征图；将所述第一特征图经过离散小波变换，获得通道数为64*4＝256的特征图，再对特征图进行经过一层卷积层和激活层处理后，将通道数减半获得通道数为128的第二特征图；将所述第二特征图经过离散小波变换，获得通道数为128*4＝512的特征图，再对特征图进行经过一层卷积层和激活层处理后，将通道数减半获得通道数为256的第三特征图。3.根据权利要求1所述的一种图像恢复方法，其特征在于，采用以下方式对特征图进行特征提取：通过全局池化层和平均池化层获取特征图的最大像素值和平均像素值，将平均像素值和全局像素值进行平均当作特征图的标准像素值，经过一层卷积层和激活层处理微调后当作特征图的调整像素值，将调整像素值与特征图进行相加融合，再经过一层卷积层和激活层处理后作为特征图的全局特征；将特征图经过两层残差层处理，获取特征图的局部信息，将获得的局部信息和特征图进行相加融合作为特征图的局部特征；将全局特征和局部特征进行拼接融合后，获得融合特征图；将融合特征图先经...

【专利技术属性】
技术研发人员：陈子龙，黎小茗，梁亚玲，杜明辉，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：