[發明專利]一種獼猴桃圖像不均勻光照的智能矯正方法

在審

• 申請號: 202210629593.2
• 申請日: 2022-06-06
• 公開（公告）號: CN114998140A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 盧津;孔憲光;孫宜君
• 申請（專利權）人: 智秦（西安）科技產業發展有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/764;G06V10/774
• 代理公司: 無錫風創知識產權代理事務所(特殊普通合伙) 32461
• 代理人: 馮霞霞

1.一種獼猴桃圖像不均勻光照的智能矯正方法，其特征在于：采用以下步驟：

步驟1：構建多重曝光圖像數據集；

步驟2：構建CBAM-DCE-Net網絡結構，利用步驟1的數據集訓練CBAM-DCE-Net網絡模型，進而對獼猴桃圖像不均勻光照進行智能矯正；

步驟3：通過步驟2構建的網絡模型生成一組與輸入圖像對應的逐像素曲線參數，記作X_n^{R，G，B}，n為迭代次數，{R，G，B}為圖像RGB通道對應的像素值；

步驟4：利用步驟3生成的曲線參數來估計輸入圖像的最佳擬合亮度增強曲線生成矯正圖像，記作LE_n＝LE_n-1+X_nLE_n-1(1-LE_n-1)，n為迭代次數；

步驟5：循環步驟4，當n＝8時停止迭代，即完成不均勻光照矯正。

2.根據權利要求1所述的一種獼猴桃不均勻光照的智能矯正方法，其特征在于：步驟1中建立的多重曝光數據集的步驟為：

步驟1.1：從田間采集獼猴桃不均勻光照圖像，并從SICE數據集挑選360個具有不同曝光值的圖像序列，構建多重曝光圖像數據集；

步驟1.2：按照一定比例將SICE數據集挑選的360個圖像序列劃分為訓練集和驗證集，獼猴桃圖像劃分為測試集；

步驟1.3：將訓練圖像的尺度統一調整為512pixel×512pixel。

3.根據權利要求1所述的一種獼猴桃圖像不均勻光照的智能矯正方法，其特征在于：步驟2中構建與訓練CBAM-DCE-Net網絡模型的步驟為：

步驟2.1：構建CBAM-DCE-Net網絡結構，將深度曲線估計網絡(DCE-Net)與卷積注意力模塊(CBAM)相結合形成CBAM-DCE-Net網絡結構，將前六個卷積模塊之后的ReLU激活函數替換為LeakyReLU激活函數。

步驟2.2：基于步驟2.1，設定灰度級的圖像良好曝光水平值E，設置CBAM-DCE-Net網絡訓練的批量大小，優化器，迭代次數和學習率等相關參數。