【技术实现步骤摘要】
一种低光照图像增强方法、装置、设备及介质
[0001]本专利技术涉及图像处理
，尤其涉及一种低光照图像增强方法、装置、设备及介质。
技术介绍
[0002]近期随着人工智能技术的兴起以及企业用工成本的不断攀升，越来越多的行业对于生产或是制造环节中的流程进行自动化或是低人工介入的工作替换。由于自动化设备只需要保持设备的不断电及做定期的维护即可以持续运行，不需要像考虑人工一样进行排班或是关注工人的身心健康。因此使用自动化设备来代替人工进行某些环节的替换是一种更为廉价且稳定性更高的解决方案。
[0003]在变电站场景中，随着基于图像及视频类分析的场景越来越多，包括变电站场景中的缺陷检测、小动物闯入、设备位移分析等。但在实际的图像分析和判别的过程中，由于图像采集过程中由于光照条件的影响采集出来图像的清晰度会受到强光照及低光照条件的不同而呈现出不同的成像效果，另外由于天气的变化也会导致采集到的图像质量差距较大。如何辅助变电站的图像或视频类采集设备在光照条件不好的情况下，通过使用一系列的图像类算法提升图像的光照平衡类的优化，...
【技术保护点】
【技术特征摘要】
1.一种低光照图像增强方法，其特征在于，包括：获取现场图像，对现场图像中高质量图像进行低光照模拟，生成多场景多光照条件的图像；将所述现场图像与多场景多光照条件的图像进行合并形成样本数据集，所述样本数据集分为训练集和验证集；构建编码器
‑
解码器架构的神经网络模型；将样本数据集输入所述神经网络模型中进行训练和测试，直至收敛，得到图像处理模型；对图像处理模型进行仿真实验，采用峰值信噪比作为评价指标，评价网络性能。2.根据权利要求1所述的一种低光照图像增强方法，其特征在于，所述低光照模拟包括高斯噪声添加和伽马光照处理。3.根据权利要求2所述的一种低光照图像增强方法，其特征在于，所述伽马光照处理包括归一化处理、像素预补偿和像素值反归一化。4.根据权利要求1所述的一种低光照图像增强方法，其特征在于，所述神经网络模型包括3个串联的去噪编码器和3个对应的解码器，其中第一个去噪编码器设计的输入图像尺寸为17
×
17大小，第一个去噪编码器设计了867个隐藏单元、第二个去噪编码器设计了578个隐藏单元、第三个去噪编码器设计了289个隐藏单元，并将第三个去噪编码器做为瓶颈层；在第三个去噪编码器之后串联了3个对应的解码器，分别是578个隐藏单元、867个隐藏单元及289个隐藏单元。5.根据权利要求4所述的一种低光照图像增强方法，其特征在于，所述第一、二个去噪编码器的学习率均为0.1，第三个去噪编码器的学习率为0.01，其网络终止的条件是验证集上的错误率小于0.5％。6.根据权利要求1所述的一种低光照图像增强方法，其特征在于，所述峰值信噪比的计算方式如下：其中，MAX
I
表示I图像中的图像灰度级；MSE表示两张图像之间的均方差，计算方式如...
【专利技术属性】
技术研发人员：冯广辉，
申请(专利权)人：佳源科技股份有限公司，
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。