一种鲁棒的增量低光图像增强方法及装置制造方法及图纸

本发明专利技术公开了一种鲁棒的增量低光图像增强方法及装置，本发明专利技术采集一系列低光图像数据集以及相应的正常光图像，以构建增量样本库；构建域增量低光图像增强模型；按照训练顺序获取当前需要训练的样本域，实时对样本域进行预处理；利用经过预处理的训练数据集，对域增量低光图像增强模型进行训练；训练完后采用当前样本域验证集筛选出在测评指标上最高的域增量低光图像增强模型并保存；然后，采用所有旧域和当前域测试集对模型进行全面测试，评估增强效果和遗忘率，并使用当前模型参数更新下一增量阶段模型参数；完成针对所有域的训练，获得最终的域增量低光图像增强模型。本发明专利技术对动态变化的低光图像域进行自适应增强，增强后的图像效果相比现有技术更好。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，尤其涉及一种增量低光图像增强方法、装置。

技术介绍

1、随着计算机视觉领域的不断发展，低光图像增强成为重点的研究方向之一，广泛应用于自动驾驶、智能监控、图像分割以及图像分类等领域。近年来，基于深度学习的低光图像增强方法已经取得巨大进步，然而，这种优异的性能是建立在输入数据具有极为相似或相同分布的前提下取得的。现有模型在处理差异较大的低光图像时无法进行有效的增强，主要由于低光图像拍摄时所在环境的差异以及硬件设备的差异等，低光图像的场景、亮度以及噪点等是多变的。这种多变性导致现有模型无法对动态变化的低光照图像进行自适应的学习。因此，在各种环境条件下捕捉的低光图像进行有效的图像质量恢复是一个具有挑战性的任务。

2、增量学习是解决上述问题的一种有效方法，增量学习是指在新环境中不断汲取到新知识同时保留旧知识的学习方法，其被广泛应用于自动驾驶、图像分类和目标检测等高级视觉领域，然而对低视觉领域如低光图像增强领域至今无人探索，因此基于增量学习的低光图像增强能够逐步学习低光数据域的各种数据分布，实现对各种颜色、细节、纹理等的有效信息恢本文档来自技高网...

【技术保护点】

1.一种鲁棒的增量低光图像增强方法，其特征在于，该方法包括：

2.根据权利要求1所述的一种鲁棒的增量低光图像增强方法，其特征在于：所述步骤S1中，确定增量样本库中不同域数据集的训练顺序，具体如下：

3.根据权利要求1所述的一种鲁棒的增量低光图像增强方法，其特征在于：所述步骤S2中，所述域增量低光图像增强模型包括特征注意力一致性模块和对抗扰动模块，所述特征注意力一致性模块，关注当前域特征的重要部分，保留旧域细粒度特征知识；所述对抗扰动模块，保留旧域粗粒度表征知识。

4.根据权利要求1所述的一种鲁棒的增量低光图像增强方法，其特征在于：所述步骤S3中，实时对...

【技术特征摘要】

1.一种鲁棒的增量低光图像增强方法，其特征在于，该方法包括：

2.根据权利要求1所述的一种鲁棒的增量低光图像增强方法，其特征在于：所述步骤s1中，确定增量样本库中不同域数据集的训练顺序，具体如下：

3.根据权利要求1所述的一种鲁棒的增量低光图像增强方法，其特征在于：所述步骤s2中，所述域增量低光图像增强模型包括特征注意力一致性模块和对抗扰动模块，所述特征注意力一致性模块，关注当前域特征的重要部分，保留旧域细粒度特征知识；所述对抗扰动模块，保留旧域粗粒度表征知识。

4.根据权利要求1所述的一种鲁棒的增量低光图像增强方法，其特征在于：所述步骤s3中，实时对样本域进行预处理的方法具体如下：

5.根据权利要求1所述的一种鲁棒的增量低光图像增强方法，其特征在于：所述步骤s4中，采用经过预处理的训练数据集，对域增量低光图像增强模型进行训练包括：

6.根据权利要求5所述的一种鲁棒的增量低光图像...

【专利技术属性】
技术研发人员：姜胜芹，邹星欣，李林飞，揭谦，刘青山，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：