【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种暗光图像的增强处理方法、暗光图像的增强处理装置、计算机设备、视觉测量系统以及计算机可读存储介质。
技术介绍
1、目前，在采用视觉测量技术对物体进行长期监测的场景中(尤其是在户外对物体形变进行长期监测的场景(如对桥梁形变的长期监测))，当环境光线不足时(如监测时刻进入到晚上)，就会导致视觉测量成像会带有大量噪声，在极端环境下成像还会一片漆黑甚至观察不到被测物，严重影响对物体进行视觉形变测量的效果，甚至无法完成对物体的视觉形变测量。
2、而为了避免光线不足对物体视觉形变测量的影响，常见的做法是在测量点增加一些辅助设备，如增加红外补光设备、主动照明设备等等，但这样又不可避免地增加了对物体进行视觉形变测量的成本，以及增加布置测量现场的复杂度。
3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种暗光图像的增强处理方法、暗光图像的增强处理装置、计算机设备、视觉测量系统以及计算机可读存储介质，旨在以低成本的方式提升物体视觉测量中的图像质量。
2、为实现上述目的，本申请提供一种暗光图像的增强处理方法，包括以下步骤：
3、基于预设的相机噪声模型，从参数空间中随机采集多组虚拟噪声参数；
4、基于多组虚拟噪声参数和预置标准图像生成噪声图像，并将噪声图像与相应的预置标准图像配对，生成第一训练样本；
5、基于第一训练样本训练神经网络
6、基于第二训练样本对预训练模型进行迁移学习，以生成神经网络模型，其中，所述第二训练样本基于目标相机分别在正常光照条件和光照不足条件下采集到的被测物图像配对生成；
7、基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理。
8、可选的，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤包括：
9、基于所述目标相机采集到被测物的暗光图像时，根据暗光图像的采集时刻匹配相应的神经网络模型；其中，预先生成有不同时刻对应的神经网络模型；
10、利用匹配的神经网络模型对暗光图像进行图像增强处理。
11、可选的，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤之前，还包括：
12、从所述目标相机当天获取的被测物的正常光照图像中确定第一基准图像；
13、将所述第一基准图像与所述目标相机历史获取到的第二基准图像进行比对，生成光照强弱对比结果；
14、根据所述光照强弱比对结果对神经网络模型进行调参，其中，若所述光照强弱比对结果表示第一基准图像的光照条件弱于第二基准图像的光照条件，则增大神经网络模型的图像增强效果。
15、可选的，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤之后，还包括：
16、基于dic(digital image correlation，数字图像相关)算法对增强处理后的图像中的标志点进行位移测量，得到相应的位移测量结果。
17、可选的，所述基于dic算法对增强处理后的图像中的标志点进行位移测量，得到相应的位移测量结果的步骤之后，还包括：
18、基于位移测量结果，生成被测物的形变数据。
19、可选的，所述基于位移测量结果，生成被测物的形变数据的步骤之后，还包括：
20、基于所述形变数据，检测被测物是否发生异常形变；
21、若是，向关联终端发送告警信息。
22、为实现上述目的，本申请还提供一种暗光图像的增强处理装置，包括：
23、噪声生成模块，用于基于预设的相机噪声模型，从参数空间中随机采集多组虚拟噪声参数；
24、样本生成模块，用于基于多组虚拟噪声参数和预置标准图像生成噪声图像，并将噪声图像与相应的预置标准图像配对，生成第一训练样本；
25、第一训练模块，用于基于第一训练样本训练神经网络的预训练模型；
26、第二训练模块，用于基于第二训练样本对预训练模型进行迁移学习，以生成神经网络模型，其中，所述第二训练样本基于目标相机分别在正常光照条件和光照不足条件下采集到的被测物图像配对生成；
27、图像增强模块，用于基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理。
28、为实现上述目的，本申请还提供一种计算机设备，所述计算机设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述暗光图像的增强处理方法的步骤。
29、为实现上述目的，本申请还提供一种视觉测量系统，所述视觉测量系统包括如上所述的计算机设备，以及相机；其中，所述计算机设备与所述相机建立通信连接。
30、为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述暗光图像的增强处理方法的步骤。
31、本申请提供的暗光图像的增强处理方法、暗光图像的增强处理装置、计算机设备、视觉测量系统以及计算机可读存储介质，基于人工智能技术，并结合了虚拟噪声参数和预置标准图像，通过训练神经网络模型对暗光图像进行增强处理，从而在算法层面上提高低光条件下的图像质量并减少图像噪声，无需额外增加补光设备即可实现，降低了设备成本，这样也简化了视觉监测场景的布置难度。这样可以降低物体视觉监测的成本、提高效率，并满足长期监测场景的需求。
本文档来自技高网...【技术保护点】
1.一种暗光图像的增强处理方法，其特征在于，包括：
2.如权利要求1所述的暗光图像的增强处理方法，其特征在于，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤包括：
3.如权利要求1所述的暗光图像的增强处理方法，其特征在于，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤之前，还包括：
4.如权利要求1-3中任一项所述的暗光图像的增强处理方法，其特征在于，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤之后，还包括：
5.如权利要求4所述的暗光图像的增强处理方法，其特征在于，所述基于DIC算法对增强处理后的图像中的标志点进行位移测量，得到相应的位移测量结果的步骤之后，还包括：
6.如权利要求5所述的暗光图像的增强处理方法，其特征在于，所述基于位移测量结果，生成被测物的形变数据的步骤之后，还包括：
7.一种暗光图像的增强处理装置，其特征在于，包括：
8.一种计算机
9.一种视觉测量系统，其特征在于，所述视觉测量系统包括如权利要求8所述的计算机设备，以及相机；其中，所述计算机设备与所述相机建立通信连接。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的暗光图像的增强处理方法的步骤。
...【技术特征摘要】
1.一种暗光图像的增强处理方法，其特征在于，包括：
2.如权利要求1所述的暗光图像的增强处理方法，其特征在于，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤包括：
3.如权利要求1所述的暗光图像的增强处理方法，其特征在于，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤之前，还包括：
4.如权利要求1-3中任一项所述的暗光图像的增强处理方法，其特征在于，所述基于所述目标相机采集到被测物的暗光图像时，利用神经网络模型对暗光图像进行图像增强处理的步骤之后，还包括：
5.如权利要求4所述的暗光图像的增强处理方法，其特征在于，所述基于dic算法对增强处理后的图像中的标志点进行位移测量，得到相应的位移测量结果的步骤之后，还包括：<...
【专利技术属性】
技术研发人员：毕胜昔，李长太，宋岩，李林朋，
申请(专利权)人：深圳市海塞姆科技有限公司，
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。