[发明专利]基于ConvNets的暗光图像处理方法及终端设备

权利要求书

1.一种基于ConvNets的暗光图像处理方法，其特征在于，包括：

对图像原始数据进行预处理；

将经过所述预处理的原始数据输入到卷积神经网络模型进行特征增强；

对所述卷积神经网络模型的输出数据进行通道重排处理，生成所述原始数据对应的图像；

其中，对所述图像原始数据进行预处理后，得到多个通道的数据，将各个通道的数据输入到所述卷积神经网络模型后，通过特征编码模块对数据进行特征编码，并通过所述特征编码模块所输出数据的通道数大于输入所述特征编码模块的数据的通道数，将所述特征编码模块所输出的各个通道的数据输入特征增强模块，通过所述特征增强模块对数据进行特征增强，将特征增强后的数据输入特征编码与融合模块，通过所述特征编码与融合模块对特征增强后的数据进行特征解码，并将特征增强模块的输出数据与特征编码模块输出的对应数据进行特征融合，所述特征解码与融合模块所输出数据的通道数小于输入所述特征解码与融合模块的数据的通道数；其中，所述卷积神经网络模型包括特征编码模块、特征增强模块以及特征解码与融合模块。

2.如权利要求1所述的基于ConvNets的暗光图像处理方法，其特征在于，所述对所述原始数据进行预处理包括：

对所述原始数据进行重排，得到预设个数的通道数据；同一通道的数据对应同一颜色；

分别对各个通道的数据进行去黑电平处理；

分别将经过所述去黑电平处理的各个通道的数据乘以预设放大倍数进行放大处理。

3.如权利要求1所述的基于ConvNets的暗光图像处理方法，其特征在于，所述将经过所述预处理的原始数据输入到卷积神经网络模型进行特征增强包括；

对输入所述卷积神经网络模型的数据进行特征编码；

对经过所述特征编码的数据进行特征增强；

对经过所述特征编码的数据与经过所述特征增强的数据进行解码及融合。

4.如权利要求3所述的基于ConvNets的暗光图像处理方法，其特征在于，所述对经过所述特征编码的数据与经过所述特征增强的数据进行解码及融合包括：

通过深度可分离卷积结构的卷积层、反卷积层和特征融合层对经过所述特征编码的数据与经过所述特征增强的数据进行解码及融合。

5.如权利要求3所述的基于ConvNets的暗光图像处理方法，其特征在于，所述对经过所述特征编码的数据进行特征增强包括：

通过卷积核个数为4*N的点积卷积对经过所述特征编码的数据进行卷积，得到通道数为4*N的第一数据；其中，所述经过所述特征编码的数据的通道数为N，其中N为大于1的整数；

通过深度卷积对通道数为4*N的第一数据进行特征提取，得到通道数为4*N的第二数据；

通过卷积核个数为N的点积卷积对通道数为4*N的第二数据进行通道特征融合。

6.如权利要求1至5任一项所述的基于ConvNets的暗光图像处理方法，其特征在于，所述对所述卷积神经网络模型的输出数据进行通道重排处理，生成所述原始数据对应的图像包括：

将所述卷积神经网络模型输出的各个通道的数据进行通道重排，得到第一颜色通道、第二颜色通道和第三颜色通道的数据。