[发明专利]基于深度学习的暗光图像增强方法、装置、设备及介质

说明书

本发明适用图像处理技术领域，提供了一种基于深度学习的暗光图像增强方法、装置、设备及介质，该方法包括：在同一目标场景下采集短曝光的训练图像和长曝光的对照图像，将预处理后得到的训练图像采样为四通道的特征图像，将四通道的特征图像输入到全卷积神经网络得到对应的RGB图像，计算RGB图像和对应的对照图像之间的均方误差，根据均方误差采用梯度下降算法对全卷积神经网络的各参数进行更新，当没有达到更新阈值时，继续执行通过全卷积神经网络得到训练图像对应的RGB图像及后续处理，达到时，通过全卷积神经网络对全尺寸目标暗光图像进行图像增强，得到对应的增强图像，从而提高暗光图像的去噪及细节修复效果，进而提高暗光图像增强效果。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于深度学习的暗光图像增强方法、装置、设备及介质。

背景技术

弱光成像一直是图像处理界的一大难题，在传统的成像系统中，若是想要在夜间拍摄一张清晰的图像，在硬件角度处理上，会使用大光圈拍摄，并且在相机内添加防抖系统，然而，这样使得相机的体积不断增大，在使用大光圈拍摄的时候，对弱光的成像的提及效果非常有限的；在拍摄角度处理上，大体上有两种方法，一：在使用三角架的基础上进行长曝光拍摄，从而得到一张曝光充足的图像，然而，长曝光拍摄一张照片通常需要等待较长的时间，在等待的过程中，需要保持相机为静止状态，若是稍有抖动，容易引起拍摄模糊的现象；二：提高拍摄时相机的感光度，然而，提高感光度会造成噪点现象，使得大部分的暗部细节无法恢复，增加了映像后期处理的难度。

现如今，许多相机厂商都以弱光下的相机成像为卖点，但是在极弱的光线下，都无法达到较好的成像目的，部分相机的降噪算法在视觉可接受的范围内提升感光度，但无法适应复杂的暗光环境。在传统的相机中，从获取RAW格式的原始图像到最终展现给用户的RGB类型的图像，需要经过一系列处理，例如白平衡校正、去马赛克、降噪、色彩校正、色彩空间的转化、以及Gamma校正等，因此，传统的图像处理算法在大多数的弱光图像处理上表现不佳，无法解决极弱光线下图像去噪以及图像细节修复的处理。如今随着城市的发展，夜间拍摄的需求正逐步提升，亟需一种替代传统的图像信号处理(Image Signal Processing，ISP)方法来解决现存的问题。

发明内容

本发明的目的在于提供一种基于深度学习的暗光图像增强方法、装置、设备及介质，旨在解决由于现有技术无法提供一种有效的暗光图像增强方法，导致暗光图像的去噪及细节修复效果不佳、增强效果不好的问题。

一方面，本发明提供了一种基于深度学习的暗光图像增强方法，所述方法包括下述步骤：

分别采用短曝光方式和长曝光方式对同一目标场景进行图像采集，得到对应的RAW格式训练图像和对照图像；

对所述训练图像进行预处理，并将所述预处理后的训练图像采样为四通道的特征图像；

将所述四通道的特征图像输入到全卷积神经网络中，得到对应的RGB图像；

计算所述RGB图像和对应的所述对照图像之间的均方误差，并根据所述均方误差，采用梯度下降算法对所述全卷积神经网络的各参数进行更新；

判断参数更新次数是否达到预设的更新阈值，是则，通过更新后的所述全卷积神经网络对全尺寸目标暗光图像进行图像增强，以得到所述目标暗光图像对应的增强图像，否则，通过更新后的所述全卷积神经网络得到所述训练图像对应的RGB图像，更新所述参数更新次数，并跳转至计算所述RGB图像和对应的所述对照图像之间的均方误差的步骤。

另一方面，本发明提供了一种基于深度学习的暗光图像增强装置，所述装置包括：

RAW图像采集单元，用于分别采用短曝光方式和长曝光方式对同一目标场景进行图像采集，得到对应的RAW格式训练图像和对照图像；

图像预处理单元，用于对所述训练图像进行预处理，并将所述预处理后的训练图像采样为四通道的特征图像；