一种超低照度全彩夜视成像方法技术

本发明专利技术公开了一种超低照度全彩夜视成像方法，其首先通过CIS传感器获取视频图像数据，接着将视频图像数据采用深度学习卷积神经网络进行曝光融合处理，而且采用神经网络搜索对深度学习卷积神经网络进行优化，并且采用神经元剪枝进行裁减处理；然后将经过曝光融合处理后的图像数据进行降噪处理，具体是采用中值滤波与双边滤波相结合的方法；最后将经过降噪处理的视频图像数据采用生成对抗网络进行处理，将RAW图像数据作为输入层，输出层则生成对应的RGB图像数据并传输给显示设备。本发明专利技术针对低光夜视场景构建适合的深度神经网络和算法，实现从RAW数据到高质量RGB图像的重建，将超低照度夜视图像转换为清晰可辨的全彩色图像。

【技术实现步骤摘要】

本专利技术属于夜视成像，具体涉及一种超低照度全彩夜视成像方法。

技术介绍

1、夜视技术是运用光电探测和成像技术与器材，对因夜暗人类肉眼不可视目标，转换(增强)成可视影像的技术。现有夜间监控及夜视装备主要采用红外、激光及双光谱成像技术，但普遍存在以下问题：1.需要补光、自身隐蔽性低；2.监控及探测距离短，一般在200米以内；3.成像模糊、色彩单一、有拖影、难以识别；4.强光照射易损坏，硬件受限、而且成本高。近年来，夜视技术研发的一个方向是微光热成像融合技术，该技术通过轮廓识别，将微光成像和红外热成像所得到的两幅图像进行叠加显示，这样既能显示出微光场景又能将隐藏或伪装的人员或车辆通过热成像标识出来；第二个方向是研发融合了其他传感器的夜视仪，综合显示各类传感器的数据，能够在恶劣天气条件下使用；除此之外，还有一类微光彩色夜视仪，通过可见光的色彩信息与红外光的亮度轮廓信息，将微光场景显示得和白天看到的具有色彩信息的场景一样，而不再是仅仅通过红外光成像的整体泛着绿光的画面。但是目前的夜视技术应用于超低照度环境时，存在因为照明不足、曝光时间短、光照不均匀等，导致图像低亮本文档来自技高网...

【技术保护点】

1.一种超低照度全彩夜视成像方法，其特征在于：包括以下步骤：

2.根据权利要要求1所述的超低照度全彩夜视成像方法，其特征在于：包括以下步骤：步骤(1)中所述深度学习卷积神经网络中采用均方误差作为损失函数。

3.根据权利要要求1所述的超低照度全彩夜视成像方法，其特征在于：步骤(1)中，对优化后的深度学习卷积神经网络采用神经元剪枝进行裁减处理，其是基于深度学习卷积神经网络中神经元的权重大小进行评估，剪掉权重最小的3％的神经元，使用剪枝前的模型参数来初始化剪枝后的网络，并对其进行微调。

4.根据权利要要求1所述的超低照度全彩夜视成像方法，其特征在于：步骤(1...

【技术特征摘要】

1.一种超低照度全彩夜视成像方法，其特征在于：包括以下步骤：

2.根据权利要要求1所述的超低照度全彩夜视成像方法，其特征在于：包括以下步骤：步骤(1)中所述深度学习卷积神经网络中采用均方误差作为损失函数。

3.根据权利要要求1所述的超低照度全彩夜视成像方法，其特征在于：步骤(1)中，对优化后的深度学习卷积神经网络采用神经元剪枝进行裁减处理，其是基于深度学习卷积神经网络中神经元的权重大小进行评估，剪掉权重最小的3％的神经元，使用剪枝前的模型参数来初始化剪枝后的网络，并对其进行微调。

【专利技术属性】
技术研发人员：刘治业，许开驰，王志虎，
申请(专利权)人：柳州治业科技有限公司，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人