[發(fā)明專利]一種低照度圖像迭代增強的方法

有效

• 申請?zhí)枺?/td>: 202110326774.3
• 申請日: 2021-03-26
• 公開（公告）號: CN113112418B
• 公開（公告）日: 2023-10-10
• 發(fā)明（設計）人: 包曉安;馬云龍;包梓群;許洺洋;邵一鳴;馬鉉鈞;張娜
• 申請（專利權）人: 浙江理工大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06T7/90;G06V10/75;G06V10/82;G06N3/0499;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

1.一種低照度圖像迭代增強的方法，其特征在于，包括以下步驟：

S10，根據(jù)正常照度圖像，建立空間模型；所述的空間模型包括一組正常照度圖像，以及由該組圖像訓練得到的R通道模型、G通道模型、B通道模型；

S20，將低照度目標圖像與空間模型中的當前組正常照度圖像進行匹配，篩選出整體匹配度最高的圖像，并計算整體匹配度最高的圖像中每一個像素點的信任度值；

S30，將低照度目標圖像中每一個像素點的GRB值、整體匹配度最高的圖像中該像素點的GRB值以及該像素點的信任度值構成三元組，分別利用R通道模型、G通道模型、B通道模型獲取低照度目標圖像中矯正后的RGB值；

S40，利用矯正后的RGB值更新低照度目標圖像；

S50，重復步驟S20至S40，直至更新后的低照度目標圖像與空間模型中的當前組正常照度圖像的匹配結果滿足預設條件，輸出增強后的目標圖像。

2.根據(jù)權利要求1所述的低照度圖像迭代增強的方法，其特征在于，所述的步驟S10包括：

S11，利用攝像頭自動拍攝或主動輸入一組正常照度圖像，分別獲取每張圖像每個像素點的R、G、B通道數(shù)值；

S12，分別利用圖像的R、G、B數(shù)值訓練三個BP神經(jīng)網(wǎng)絡模型：

訓練R通道的BP神經(jīng)網(wǎng)絡時，輸入正常照度圖像M1的像素點的R通道數(shù)值r1，輸入正常照度圖像M2的同一位置像素點的R通道數(shù)值r2，輸入信任度t，計算公式為：

舍棄t小于等于0.85的像素點，進行BP神經(jīng)網(wǎng)絡模型訓練，以矯正后的R通道數(shù)值r3作為輸出；在訓練過程中，循環(huán)輸入M1和M2的所有像素點數(shù)值進行訓練，訓練后將矯正值賦給M1相應像素點；

再輸入正常照度圖像M3，與圖像M1重復執(zhí)行以上步驟；

以矯正度c作為訓練標準，計算公式為：

當c大于等于0.95時，標記該像素點訓練完畢，當圖像M1的98％的像素點訓練完畢時，標記該神經(jīng)網(wǎng)絡訓練完畢，得到訓練好的R通道模型；

訓練G通道的BP神經(jīng)網(wǎng)絡和訓練B通道的BP神經(jīng)網(wǎng)絡的過程同上。

3.根據(jù)權利要求1所述的低照度圖像迭代增強的方法，其特征在于，步驟S10中所述的正常照度圖像根據(jù)預設的拍攝時間及更新時間，進行自動拍攝和更新，更新后的一組正常照度圖像會覆蓋更新前的圖像；所述的R通道模型、G通道模型、B通道模型均由更新后的一組正常照度圖像訓練得到。

4.根據(jù)權利要求1所述的低照度圖像迭代增強的方法，其特征在于，所述的步驟S20包括：

S21，將低照度目標圖像與當前空間模型中的一組正常照度圖像進行整體匹配，以二者的R、G、B像素差之和作為整體匹配度，計算公式為：

D(i)＝|Ri-ri|+|Gi-gi|+|Bi-bi|

其中，D(i)為兩張圖像在同一位置的像素點i的差值，Ri、Gi、Bi分別為低照度目標圖像像素點i的R、G、B數(shù)值，ri、gi、bi分別為正常照度圖像相同位置像素點i的R、G、B數(shù)值；m為有效像素點的個數(shù)；M1為整體匹配度，M1值越小，整體匹配度越高，因此將M1值最小的圖像作為整體匹配度最高的圖像；

S22，針對低照度目標圖像中的任一像素點i，獲取像素點i的鄰近像素點集合Q_i，所述鄰近像素點集合中的所有像素點與該像素點i的距離均不大于d^*，將像素點i的鄰近像素點集合Q_i中的像素點個數(shù)記為|Q_i|；

S23，將圖像由RGB通道轉(zhuǎn)換至HSI顏色空間，得到圖像中每一個像素點的H值；計算該像素點i的色彩匹配度方差，公式為：

其中，Si²表示低照度目標圖像和整體匹配度最高的圖像中的像素點i的色彩匹配度方差，Hi表示低照度目標圖像中的像素點i的H值，hi表示整體匹配度最高的圖像中相對應像素點i的H值；

S24，計算整體匹配度最高的圖像中的每一個像素點的信任度值，計算公式為：

其中，Ti表示像素點i的信任度值。