【技术实现步骤摘要】
本专利技术涉及声纳图像识别，特别涉及一种亮度分布不均匀的图像光照增强方法、系统、介质及设备。
技术介绍
1、由于光照原因，摄像头或者手机等拍摄可能会曝光不足或曝光过度。由于存在复杂的照明条件，图像中可能同时存在过度曝光和曝光不足的区域。在这种情况下，局部图像内容掩埋在曝光过度和曝光不足的区域。例如，夜间路面或小区中路灯、广告牌、车灯等等发光体随处可见。由于不均匀光照的存在，图像中不同区域的亮度可能会相差很大，这使得对图像进行整体的光照增强变得更加困难。虽然摄影专家可能会利用高端dslr相机并仔细调整它们（例如，光圈、iso和特殊滤镜）来缓解这个问题，但这需要摄影专业知识和昂贵的设备。
2、目前已经提出了许多方法来提高在光照条件较差的情况下捕获的图像的质量。一系列方法侧重于通过基于retinex的方法、双边学习、生成对抗学习、深度参数过滤和自监督或半监督学习。大多数这类现有的夜间光照增强的方法主要关注于在增强弱光区域，这将不可避免地导致将这些方法应用于包含不均匀光照的夜间图像时，明亮区域的过度增强和饱和。由于曝光区域的再次放大，这将进一步削弱图像的可见度，带来光影增强等问题从而导致图像质量下降，因此无法正确的将低光区域进行合理的增强。综上所述，所有这些方法通常都假设场景照明是均匀的，因此当处理不均匀光照图像时会导致图像局部曝光过度或曝光不足的现象。
技术实现思路
1、本专利技术提供一种亮度分布不均匀的图像光照增强方法、系统、介质及设备，通过区分低光照图像中的曝光过度区域及
2、第一方面，提供一种亮度分布不均匀的图像光照增强方法，其特征在于，包括以下步骤：
3、获取低光照图像数据及正常光照图像数据；
4、根据所述低光照图像数据对生成器网络进行迭代训练，在每一次迭代训练中区分低光照图像数据中的曝光过度区域及曝光不足区域、以进行图像光照增强，生成光照增强图像数据；
5、利用鉴别器网络对生成器网络每一次迭代训练生成的所述光照增强图像数据与所述正常光照图像数据进行比对；
6、根据每一次比对结果迭代优化生成器网络，直至比对结果符合条件时获取此时对应的最终生成器网络，并利用所述最终生成器网络对待测低光照场景图像进行光照增强。
7、根据第一方面，在第一方面的第一种可能的实现方式中，所述在每一次迭代训练中区分低光照图像数据中的曝光过度区域及曝光不足区域、以进行图像光照增强，生成光照增强图像数据步骤，具体包括以下步骤：
8、所述生成器网络包括u-net生成器与颜色分布金字塔网络；
9、对于所述低光照图像数据中的其中一张训练图像，将其中一张训练图像进行归一化处理；
10、利用u-net生成器中的编码器对归一化处理后的其中一张训练图像进行特征提取，并对特征提取后的图像通过下采样进行图像尺寸逐级递减，得到多尺度特征图；
11、利用颜色分布金字塔网络根据未进行归一化处理的其中一张训练图像生成多尺度颜色分布图、以区分图像中的曝光过度区域及曝光不足区域；
12、利用u-net生成器中的解码器分别在所述多尺度特征图与所述多尺度颜色分布图中选取相同尺寸的特征图进行图像融合。
13、根据第一方面，在第一方面的第二种可能的实现方式中，所述颜色分布金字塔网络的计算公式如下：
14、；
15、式中，i、j、c分别为图像的水平、垂直和通道索引；b是颜色直方图bin的索引；为返回像素所属的k×k尺寸块中像素的索引。
16、根据第一方面，在第一方面的第三种可能的实现方式中，所述利用鉴别器网络对生成器网络每一次迭代训练生成的所述光照增强图像数据与所述正常光照图像数据进行比对步骤，具体包括以下步骤：
17、所述鉴别器网络包括全局判别器及局部判别器；
18、利用所述全局判别器评估每一次迭代训练生成的所述光照增强图像数据与所述正常光照图像数据之间的相似度；
19、利用所述局部判别器评估每一次迭代训练生成的所述光照增强图像数据相对于所述正常光照图像数据的质量改善度。
20、根据第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述全局判别器的计算公式如下：
21、；
22、式中，d(x,y)为正常光照图像y被全局判别器判别为真实的概率；d(x,g(x, z))为光照增强图像g(x, z)被判别为真实的概率；为对正常光照图像进行全局判别器输出的期望值；为对光照增强图像进行全局判别器输出的期望值。
23、根据第一方面，在第一方面的第五种可能的实现方式中，所述局部判别器的计算公式如下：
24、；
25、式中，c为判别器网络；表示sigmoid激活函数；为正常光照图像的分布；为光照增强图像的分布；为计算正常光照图像相对于光照增强图像的局部判别器损失；为计算光照增强图像相对于正常光照图像的局部判别器损失。
26、第二方面，提供了一种亮度分布不均匀的图像光照增强系统，包括：
27、图像获取模块，用于获取低光照图像数据及正常光照图像数据；
28、迭代训练模块，与所述图像获取模块通信连接，用于根据所述低光照图像数据对生成器网络进行迭代训练，在每一次迭代训练中区分低光照图像数据中的曝光过度区域及曝光不足区域、以进行图像光照增强，生成光照增强图像数据；
29、比对模块，与所述图像获取模块及所述迭代训练模块通信连接，用于利用鉴别器网络对生成器网络每一次迭代训练生成的所述光照增强图像数据与所述正常光照图像数据进行比对；以及，
30、最终增强模块，与所述比对模块通信连接，用于根据每一次比对结果迭代优化生成器网络，直至比对结果符合条件时获取此时对应的最终生成器网络，并利用所述最终生成器网络对待测低光照场景图像进行光照增强。
31、与现有技术相比，本专利技术的优点如下：利用生成器网络区分低光照图像数据中的曝光过度区域及曝光不足区域，并进行图像光照增强，再利用鉴别器网络对光照增强图像数据与正常光照图像进行比对，再根据每一次比对结果迭代优化生成器网络，直至比对结果符合条件时获取此时对应的最终生成器网络，最后利用所述最终生成器网络对待测低光照场景图像进行光照增强。因此本专利技术通过区分低光照图像中的曝光过度区域及曝光不足区域进行图像光照增强，能够准确提高图像增强效果，在增强暗光区域的同时削弱光照的影响，使图像在色彩、光照上更加自然。
本文档来自技高网...【技术保护点】
1.一种亮度分布不均匀的图像光照增强方法，其特征在于，包括以下步骤：
2.如权利要求1所述的亮度分布不均匀的图像光照增强方法，其特征在于，所述在每一次迭代训练中区分低光照图像数据中的曝光过度区域及曝光不足区域、以进行图像光照增强，生成光照增强图像数据步骤，具体包括以下步骤：
3.如权利要求2所述的亮度分布不均匀的图像光照增强方法，其特征在于，所述颜色分布金字塔网络的计算公式如下：
4.如权利要求1所述的亮度分布不均匀的图像光照增强方法，其特征在于，所述利用鉴别器网络对生成器网络每一次迭代训练生成的所述光照增强图像数据与所述正常光照图像数据进行比对步骤，具体包括以下步骤：
5.如权利要求4所述的亮度分布不均匀的图像光照增强方法，其特征在于，所述全局判别器的计算公式如下：
6.如权利要求1所述的亮度分布不均匀的图像光照增强方法，其特征在于，所述局部判别器的计算公式如下：
7.一种亮度分布不均匀的图像光照增强系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算
9.一种电子设备，包括存储介质、处理器以及存储在所述存储介质中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时实现如权利要求1至6中任一项所述的亮度分布不均匀的图像光照增强方法。
...【技术特征摘要】
1.一种亮度分布不均匀的图像光照增强方法，其特征在于，包括以下步骤：
2.如权利要求1所述的亮度分布不均匀的图像光照增强方法，其特征在于，所述在每一次迭代训练中区分低光照图像数据中的曝光过度区域及曝光不足区域、以进行图像光照增强，生成光照增强图像数据步骤，具体包括以下步骤：
3.如权利要求2所述的亮度分布不均匀的图像光照增强方法，其特征在于，所述颜色分布金字塔网络的计算公式如下：
4.如权利要求1所述的亮度分布不均匀的图像光照增强方法，其特征在于，所述利用鉴别器网络对生成器网络每一次迭代训练生成的所述光照增强图像数据与所述正常光照图像数据进行比对步骤，具体包括以下步骤：
5.如权利要求4所述的亮度...
【专利技术属性】
技术研发人员：胡允霄，张洁，吴王辉，杨志，饶宁，
申请(专利权)人：光宇锦业武汉智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。