基于结构感知的图像增强方法、装置及机器人制造方法及图纸

本发明专利技术涉及计算机视觉技术领域，提供一种基于结构感知的图像增强方法、装置及机器人，该方法基于Retinex模型，将原始图像分解为光照分量和反射分量，并基于光照分量、反射分量、光照分量对应的光照一阶梯度和反射分量对应的反射一阶梯度，构建基于结构感知的图像增强变分模型；通过半解耦分解的方式，在每次迭代过程中通过转换为最小二乘问题的方式先后确定光照图和反射图，如此可以大大降低最终光照图和最终反射图的求解难度，提高图像增强的效率。此外，该方法借助于光照一阶梯度和反射一阶梯度，可以分别实现光照图的结构感知以及反射图的结构感知，进而提升了最终光照图和最终反射图的准确性。反射图的准确性。反射图的准确性。

【技术实现步骤摘要】
基于结构感知的图像增强方法、装置及机器人


[0001]本专利技术涉及计算机视觉
，尤其涉及一种基于结构感知的图像增强方法、装置及机器人。

技术介绍

[0002]近年来，随着图像处理领域的不断发展，利用图像获取信息已成为一种重要手段。例如，采用高品质的图像进行目标检测。然而，由于图像采集过程中不可避免地受到照明环境和成像技术的限制，例如背光、弱光、不均匀照明和曝光时间不足等因素，这将导致得到的图像贡献率较低。
[0003]现有的低亮度图像增强算法通常是通过简单的约束图像梯度实现增强，其增强结果往往伴随着伪影和细节丢失。这种方式虽然实现了图像增强，但是引入了影响图像质量的其他因素，导致得到的图像依然贡献率较低，无法进行目标检测等后续应用。

技术实现思路

[0004]本专利技术提供一种基于结构感知的图像增强方法、装置及机器人，用以解决现有技术中存在的缺陷。
[0005]本专利技术提供一种基于结构感知的图像增强方法，包括：基于Retinex模型，将原始图像分解为光照分量和反射分量，并基于所述光照分量、所述反射分量、所述光照分量对应的光照一阶梯度和所述反射分量对应的反射一阶梯度，构建基于结构感知的图像增强变分模型；对所述图像增强变分模型进行半解耦分解，基于所述光照分量、原始光照图以及所述光照一阶梯度，构建光照估计模型，并将所述光照估计模型转换为第一最小二乘问题，对所述第一最小二乘问题进行求解，得到初始光照图；基于所述初始光照图、所述反射分量、所述原始图像以及所述反射一阶梯度，构建反射估计模型，并将所述反射估计模型转换为第二最小二乘问题，对所述第二最小二乘问题进行求解，得到初始反射图；对所述第一最小二乘问题和所述第二最小二乘问题同步进行迭代求解，得到最终光照图和最终反射图，并基于所述最终光照图和所述最终反射图，确定所述原始图像对应的增强图像；其中，所述原始光照基于所述原始图像在所有通道中的最大像素值确定。
[0006]根据本专利技术提供的一种基于结构感知的图像增强方法，所述图像增强变分模型包括保真项、光照结构感知正则项和反射结构感知正则项；所述保真项基于所述光照分量和所述反射分量确定，用于保持所述光照分量和所述反射分量的乘积与所述原始图像的相似性；所述光照结构感知正则项基于所述光照一阶梯度、所述光照一阶梯度的L2范数和所述光照一阶梯度的L2范数的高斯滤波结果确定，用于对所述光照分量进行分段平滑；
所述反射结构感知正则项基于所述反射一阶梯度、所述反射一阶梯度的L2范数和所述反射一阶梯度的L2范数的高斯滤波结果确定，用于对所述反射分量进行结构保持。
[0007]根据本专利技术提供的一种基于结构感知的图像增强方法，所述光照结构感知正则项和所述反射结构感知正则项均为L1范数形式；相应地，将所述光照估计模型转换为第一最小二乘问题，包括：将所述光照结构感知正则项由L1范数形式转换为L2范数形式，并将基于L2范数形式的光照结构感知正则项构建的光照估计模型转换为所述第一最小二乘问题；将所述反射估计模型转换为第二最小二乘问题，包括：将所述反射结构感知正则项由L1范数形式转换为L2范数形式，并将基于L2范数形式的反射结构感知正则项构建的反射估计模型转换为所述第二最小二乘问题。
[0008]根据本专利技术提供的一种基于结构感知的图像增强方法，所述光照结构感知正则项基于如下形式表示：；其中，表示所述光照一阶梯度，表示所述光照一阶梯度的L2范数，表示标准差为的高斯滤波器，表示纹理系数，为常数，表示L1范数，是以自然常数e为底的指数运算；所述反射结构感知正则项基于如下形式表示：；其中，表示所述反射一阶梯度，表示所述反射一阶梯度的L2范数。
[0009]根据本专利技术提供的一种基于结构感知的图像增强方法，对所述第一最小二乘问题和所述第二最小二乘问题同步进行迭代求解，得到最终光照图和最终反射图，包括：对于当前迭代轮次，将所述第一最小二乘问题对所述光照分量求导，并将所述第一最小二乘问题的导数为0时的光照分量取值作为所述当前迭代轮次的当前光照图；将所述第二最小二乘问题对所述反射分量求导，并将所述第二最小二乘问题的导数为0时的反射分量取值作为所述当前迭代轮次的当前反射图；基于所述当前光照图和所述当前光照图的前一光照图之间的差值图的F范数、所述前一光照图的F范数、所述当前反射图和所述当前反射图的前一反射图之间的差值图的F范数以及所述前一反射图的F范数，判断迭代是否停止；或者，基于预先确定的最大迭代次数，判断迭代是否停止。
[0010]根据本专利技术提供的一种基于结构感知的图像增强方法，所述基于所述最终光照图和所述最终反射图，确定所述原始图像对应的增强图像，包括：对所述最终光照图进行Gamma校正，得到矫正结果；将所述矫正结果与所述最终反射图按元素相乘，得到所述增强图像。
[0011]本专利技术还提供一种基于结构感知的图像增强装置，包括：模型构建模块，用于基于Retinex模型，将原始图像分解为光照分量和反射分量，
并基于所述光照分量、所述反射分量、所述光照分量对应的光照一阶梯度和所述反射分量对应的反射一阶梯度，构建基于结构感知的图像增强变分模型；光照求解模块，用于对所述图像增强变分模型进行半解耦分解，基于所述光照分量、原始光照图以及所述光照一阶梯度，构建光照估计模型，并将所述光照估计模型转换为第一最小二乘问题，对所述第一最小二乘问题进行求解，得到初始光照图；反射求解模块，用于基于所述初始光照图、所述反射分量、所述原始图像以及所述反射一阶梯度，构建反射估计模型，并将所述反射估计模型转换为第二最小二乘问题，对所述第二最小二乘问题进行求解，得到初始反射图；图像增强模块，用于对所述第一最小二乘问题和所述第二最小二乘问题同步进行迭代求解，得到最终光照图和最终反射图，并基于所述最终光照图和所述最终反射图，确定所述原始图像对应的增强图像；其中，所述原始光照基于所述原始图像在所有通道中的最大像素值确定。
[0012]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的基于结构感知的图像增强方法。
[0013]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的基于结构感知的图像增强方法。
[0014]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的基于结构感知的图像增强方法。
[0015]与现有技术相比，本专利技术具有如下有益效果：本专利技术提供的基于结构感知的图像增强方法、装置及机器人，该方法首先基于Retinex模型，将原始图像分解为光照分量和反射分量，并基于光照分量、反射分量、光照分量对应的光照一阶梯度和反射分量对应的反射一阶梯度，构建基于结构感知的图像增强变分模型；此后，对图像增强变分模型进行半解耦分解，基于光照分量、原始光照图以及光照一阶梯度，构建光照估计模型，并将光照估计模型转换为第一最小二乘问题，对第一最小二乘问题进行求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于结构感知的图像增强方法，其特征在于，包括：基于Retinex模型，将原始图像分解为光照分量和反射分量，并基于所述光照分量、所述反射分量、所述光照分量对应的光照一阶梯度和所述反射分量对应的反射一阶梯度，构建基于结构感知的图像增强变分模型；对所述图像增强变分模型进行半解耦分解，基于所述光照分量、原始光照图以及所述光照一阶梯度，构建光照估计模型，并将所述光照估计模型转换为第一最小二乘问题，对所述第一最小二乘问题进行求解，得到初始光照图；基于所述初始光照图、所述反射分量、所述原始图像以及所述反射一阶梯度，构建反射估计模型，并将所述反射估计模型转换为第二最小二乘问题，对所述第二最小二乘问题进行求解，得到初始反射图；对所述第一最小二乘问题和所述第二最小二乘问题同步进行迭代求解，得到最终光照图和最终反射图，并基于所述最终光照图和所述最终反射图，确定所述原始图像对应的增强图像；其中，所述原始光照基于所述原始图像在所有通道中的最大像素值确定。2.根据权利要求1所述的基于结构感知的图像增强方法，其特征在于，所述图像增强变分模型包括保真项、光照结构感知正则项和反射结构感知正则项；所述保真项基于所述光照分量和所述反射分量确定，用于保持所述光照分量和所述反射分量的乘积与所述原始图像的相似性；所述光照结构感知正则项基于所述光照一阶梯度、所述光照一阶梯度的L2范数和所述光照一阶梯度的L2范数的高斯滤波结果确定，用于对所述光照分量进行分段平滑；所述反射结构感知正则项基于所述反射一阶梯度、所述反射一阶梯度的L2范数和所述反射一阶梯度的L2范数的高斯滤波结果确定，用于对所述反射分量进行结构保持。3.根据权利要求2所述的基于结构感知的图像增强方法，其特征在于，所述光照结构感知正则项和所述反射结构感知正则项均为L1范数形式；相应地，将所述光照估计模型转换为第一最小二乘问题，包括：将所述光照结构感知正则项由L1范数形式转换为L2范数形式，并将基于L2范数形式的光照结构感知正则项构建的光照估计模型转换为所述第一最小二乘问题；将所述反射估计模型转换为第二最小二乘问题，包括：将所述反射结构感知正则项由L1范数形式转换为L2范数形式，并将基于L2范数形式的反射结构感知正则项构建的反射估计模型转换为所述第二最小二乘问题。4.根据权利要求2所述的基于结构感知的图像增强方法，其特征在于，所述光照结构感知正则项基于如下形式表示：；其中，表示所述光照一阶梯度，表示所述光照一阶梯度的L2范数，表示标准差为的高斯滤波器，表示纹理系数，为常数，表示L1范数，是以自然常数e为底的指数运算；
所述反射结构感知正则项基于如下形式表示：；其中，表示所述反射一阶梯度，表示所述反射一阶梯度的L2范数。5.根据权利要求1
‑
4中任一项所述的基于结构感知的图像增强方法，其特征在于，对所述第一最小二乘问题和所述第二最小二乘问题同步进行迭代求解，得到最终光照图和最终反射图，包括：对于当前迭代轮次，将所述第一最小二乘问题对所述...

【专利技术属性】
技术研发人员：李俊，高银，晏超，张世意，廖嵩缐，陈军希，陈有章，
申请(专利权)人：中国科学院福建物质结构研究所，
类型：发明
国别省市：