[发明专利]基于Retinex和卷积神经网络的低光照彩色图像增强方法

权利要求书

1.一种基于Retinex和卷积神经网络的低光照彩色图像增强方法，其特征在于，包括以下步骤：

步骤1：将一个RGB三通道低光照彩色图像S输入到分解网络，输出一个三通道的反射图R和一个单通道的光照图I；

步骤2：将步骤1中得到的反射图R和光照图I输入到反射图恢复网络，进行去噪和颜色恢复的处理，得到恢复后的反射图所述反射图恢复网络包含19个卷积层、18个激活层、4个池化层、4个解卷积层、5个串接层以及1个Sigmoid层；所述反射图恢复网络的输入为步骤1中分解得到的反射图R和光照图I，所述反射图恢复网络的输出为恢复后的反射图所述反射图恢复网络训练过程中使用的损失函数为：

其中：SSIM(·,·)表示结果相似度测量，表示恢复后的反射图；

步骤3：将步骤1中得到的光照图I和用户提供的一个光照调节参数α一起输入到光照图调节网络，输出一个调节后的光照图所述光照图调节网络包含4个卷积层、3个激活层、1个串接层以及1个Sigmoid层；所述光照图调节网络的输入为步骤1中分解得到的光照图I和由用户提供的调节参数α，所述光照图调节网络的输出为调节后的单通道光照图所述光照图调节网络训练过程中使用的损失函数为：

其中：I_t是I_h或I_l，是I_t调节后的光照图；

步骤4：将步骤2中得到的恢复后的反射图和步骤3中得到的调节后的光照图进行点乘操作，得到调节后的低光照增强图像T。

2.根据权利要求1所述基于Retinex和卷积神经网络的低光照彩色图像增强方法，其特征在于，步骤1中，

所述分解网络包含8个卷积层、6个激活层、2个池化层、2个解卷积层、3个串接层以及2个sigmoid层；所述分解网络的输入为RGB三通道低光照彩色图像S，所述分解网络的输出为一个三通道的反射图R和一个单通道的光照图I；

所述分解网络训练过程中使用的损失函数为：

其中：

||·||₁表示1范数损失，正常曝光图像标记为S_h，低光照图像标记为S_l，将成对的图像[S_h,S_l]输入到分解网络中，分别得到分解后的反射图[R_h,R_l]和光照图[I_h,I_l]，该项作用是保证分解后的R和I的乘积尽可能与原图保持一致；

表示均方误差损失，该项作用是让分解后的R_h和R_l尽可能相似；表示梯度计算，该项作用是保证分解后的I_h和I_l不能产生原图中不存在的结构；

该项作用是保证分解后的I_h和I_l尽可能的平滑，即只保留大的结构，而去除小的细节，从而将细节更多地保留到反射图中。