[發明專利]一種基于零次學習的低照度圖像增強方法

在審

• 申請號: 202310054678.7
• 申請日: 2023-02-03
• 公開（公告）號: CN115953321A
• 公開（公告）日: 2023-04-11
• 發明（設計）人: 趙志強;魯耀方;陶于祥;徐航;高新政
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/40;G06V10/764;G06V10/80;G06V10/774;G06V10/762
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 盧勝斌

本發明屬于圖像處理技術領域，具體涉及一種基于零次學習的低照度圖像增強方法，該方法包括：構建三分類聚類模型；獲取待增強的低照度圖像，使用聚類模型得到低照度圖像類別；將低照度圖像輸入到增強曲線網絡中，得到3張3通道增強曲線參數圖；根據低照度圖像類別選擇3通道的增強曲線參數圖；根據增強曲線參數圖采用光照增強曲線公式對低照度圖像進行增強，得到初始增強圖；采用空間一致性損失約束、色彩恒常性損失約束、曝光控制損失約束、光照平滑度損失約束以及高斯降噪損失約束對初始增強圖進行約束；采用光照增強曲線公式對初始增強圖像增強8次，得到增強后的圖像；本發明具有良好的降噪能力、較小的運算成本以及優秀的圖像分類增強能力。

技術領域

本發明屬于數字圖像處理技術領域，具體涉及一種基于零次學習的低照度圖像增強方法。

背景技術

人類獲取信息最為重要的一種方式便是視覺，其次為聽覺。在人類世界的信息交流中，圖像一直占有重要的地位。現實生活中，人類借助自然光感知世界，在光照不足的情況下，人類通常采用人造光源等輔助手段實現視覺感知。借助于多樣化的視覺感知方式，人類的生產生活有條不紊的進行。然而，在缺乏輔助方法的低照度條件下，人類感知世界的能力和基于光學的成像設備的成像質量均表現出不同程度的下降，這也是低照度環境下的犯罪打擊、礦井監控、區域安防等諸多領域面臨的普遍難題。為此，圖像增強技術引起了工業界和學術界的廣泛關注和重視，圖像增強不僅滿足了人們對視覺體驗的需求，而且提高了戶外視覺系統的可靠性和魯棒性，使圖像處理系統更容易對圖像進行分析和處理。

圖像增強算法發展至今有很多種，例如基于數學函數圖像增強方法、基于直方圖均衡化圖像增強方法、基于圖像融合方法和基于Retinex理論方法。但上述方法均存在些許不足。例如，基于數學函數圖像增強方法雖然簡單方便，但是依賴于人工設計的數學函數，而且多是全局操作，容易造成過度曝光或者曝光不足的現象。基于直方圖均衡化圖像增強的方法，容易造成灰度級合并，細節丟失的現象。基于圖像融合的方法，要求拍攝同一場景下的多幅圖像，拍攝難度較大，而且圖像融合之后很容易出現偽影現象。基于Retinex理論的方法，增強結果很大程度上依賴于精心設計的函數，因此也很容易造成過度曝光或者增強不足現象，而且泛化能力較差。

基于深度學習的低照度圖像增強解決方案數量逐年增長。這些解決方案中使用的學習策略包括監督學習、強化學習、無監督學習、零次學習和半監督學習。在眾多學習方式中，零次學習的表現尤為亮眼。零次學習通過一組精心設計的無參考損失函數進行圖像增強，且在訓練期間不需要任何成對或不成對的數據。零次學習具有訓練難度低，數據獲取容易，泛化能力強等優點。不幸的是，低照度圖像的產生往往伴隨著噪聲。許多模型都采用降噪與增強分離，引入其他降噪方式，減少增強工作量。但引入其他降噪方式，不可避免的會導致原始信息的丟失，且增強方法對降噪結果不可控。同時真實有噪聲低照度圖像，無噪聲正常光照圖像對，數據少，難以采集。通過調整得到的數據集圖像，難以適應真實環境。

發明內容

為解決以上現有技術存在的問題，本發明提出了一種基于零次學習的低照度圖像增強方法，該方法包括：獲取真實低照度數據集，采用的kmeans聚類方法對真實低照度數據集進行聚類，得到三分類聚類模型；獲取待增強的低照度圖像，采用三分類聚類模型對待增強的低照度圖像進行處理，得到低照度圖像類別；將低照度圖像輸入到增強曲線網絡中，得到3張3通道的增強曲線參數圖；根據低照度圖像類別，選擇一張3通道的增強曲線參數圖；根據增強曲線參數圖采用光照增強曲線公式對低照度圖像進行增強，得到初始增強圖；采用空間一致性損失約束、色彩恒常性損失約束、曝光控制損失約束、光照平滑度損失約束以及高斯降噪損失約束對初始增強圖進行約束；采用光照增強曲線公式對初始增強圖像增強8次，得到最終增強后的圖像。