[發明專利]基于Retinex和卷積神經網絡的低光照彩色圖像增強方法

有效

• 申請號: 201910376621.2
• 申請日: 2019-05-03
• 公開（公告）號: CN110232661B
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 張永華;郭曉杰;張加萬
• 申請（專利權）人: 天津大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李素蘭

本發明公開了一種基于Retinex和卷積神經網絡的低光照彩色圖像增強方法，首先將低光照彩色圖像輸入到分解網絡，輸出一個三通道的反射圖和一個單通道的光照圖；然后將反射圖和光照圖輸入到反射圖恢復網絡，去噪和顏色恢復的處理，得到恢復后的反射圖；再將光照圖和光照調節參數輸入到光照圖調節網絡，輸出調節后的光照圖；最后將恢復后的反射圖和調節后的光照圖進行點乘操作得到增強后的圖像。本發明基于Retinex理論，利用卷積神經網絡實現低光照圖像的增強，并構建損失函數對卷積神經網絡的參數進行約束優化，達到所期望的低光照圖像亮度、對比度增強，圖像觀感提升的效果，極大程度上去除了噪聲和顏色失真的影響，并可由用戶自主調節增強亮度。

技術領域

本發明涉及一種數字圖像處理技術領域，尤其涉及一種基于Retinex和卷積神經網絡的低光照彩色圖像增強方法。

背景技術

隨著數碼產品特別是智能手機的普及，人們可以方便的采集到各種各樣的圖像信息。在實際生活中，有很多圖像是在光照較暗或光照失衡情況下拍攝的，這些圖像經常會存在視覺質量低下的問題，例如圖像整體或部分區域偏暗、細節信息難以捕獲、顏色失真以及噪聲嚴重等。低光照圖像的這些問題嚴重影響人們的視覺感受或者計算機對圖像的處理工作。低光照圖像增強技術可以對低光照圖像進行增強，從而調整圖像的亮度，恢復圖像中較暗區域的細節，幫助人們或計算機進行進一步的圖像分析與處理?，F有的低光照圖像增強方法主要分為以下幾類：

(1)直方圖均衡化：該方法及其改進方法通常粗略的認為正常光照下圖像的直方圖更符合均勻分布，因此通過對圖像中灰度值較低的像素進行非線性拉伸，使得圖像的直方圖均勻分布，提高圖像的對比度，即可得到增強后的圖像。該方法簡單易行，但其存在增強結果不自然，圖像失真等問題。

(2)伽馬校正：該方法利用非線性映射函數對較暗區域進行大幅增強，而對較亮區域增強效果較少，從而使得整體圖像增亮。該方法容易產生過曝的問題，只適合于全局較暗的圖像。

(3)基于Retinex理論的增強算法；該理論認為圖像可以分解為兩個部分：反射圖和光照圖，其中反射圖反映了該圖像的本質反射圖像，而光照圖反映了該圖像受光照的影響。本發明同樣利用了該理論。早期的單尺度Retinex和多尺度Retinex等方法產生的結果很不自然。盡管之后一些方法對光照圖估計進行了改進，但這些方法一般假設圖像是沒有噪聲的或顏色不失真的。然而在實際應用中，由于光照條件較差，低光照圖像增強的結果往往存在嚴重的噪聲以及顏色失真。

(4)基于深度學習的方法：隨著深度學習的蓬勃發展，利用深度學習進行低光照圖像增強也取得了一定的進展。深度學習的方法主要是利用卷積神經網絡構建模型，對成對(正常光照和低光照)的圖像數據集進行參數學習，來獲取一個合適的映射關系。在測試時使用該映射關系來獲取增強后的圖像?，F有的深度學習的方法有LLNet、Retinex-Net、MSR-Net等。然而這些方法并不能有效地處理增強圖像中存在的嚴重噪聲及顏色失真等問題。

綜上，現有的低光照圖像增強算法大部分只對一些沒有噪聲的低光照圖像有一定的效果，而對于一些特別暗的區域的增強結果往往存在嚴重的噪聲和顏色失真，難以滿足實際需求。

發明內容

針對上述現有技術，本發明提供了一種基于Retinex和卷積神經網絡的低光照圖像增強方法，實現低光照圖像的增強，特別地對增強結果中噪聲和顏色失真的影響做了一定的處理，并且可以由用戶自主調節增強亮度。

為了解決上述技術問題，本發明提出的一種基于Retinex和卷積神經網絡的低光照彩色圖像增強方法，包括以下步驟：

步驟1：將一個RGB三通道低光照彩色圖像S輸入到分解網絡，輸出一個三通道的反射圖R和一個單通道的光照圖I；

步驟2：將步驟1中得到的反射圖R和光照圖I輸入到反射圖恢復網絡，進行去噪和顏色恢復的處理，得到恢復后的反射圖