[发明专利]基于生成式对抗网络的单幅低光图像增强方法

权利要求书

1.一种基于生成式对抗网络的单幅低光图像增强方法，其特征在于，包括如下步骤：

步骤S1，收集训练数据集：通过改变相机的曝光时间和感光度从同一场景获取低光图像和正常光图像，同一场景的低光图像和正常光图像构成一个图像组；

步骤S2，数据集的处理：去除因相机抖动、物体移动等不可控因素导致的不对齐的图像组；

步骤S3，基于生成式对抗网络构建低光图像增强模型及损失函数，所述低光图像增强模型包括生成器网络G和判别器网络D，所述判别器网络D包括局部判别器网络D_local和全局判别器网络D_global；

步骤S4，训练低光图像增强模型：随机将处理后的数据集中的图像组输入到所述低光图像增强模型中进行训练，反复迭代通过最小化生成器网络G或判别器网络D的损失函数值来训练所述低光图像增强模型，直至所述低光图像增强模型达到纳什均衡状态，则训练完成；

步骤S5，将待增强的低光图像输入到训练好的所述低光图像增强模型，获得增强后的正常光图像。

2.根据权利要求1所述的单幅低光图像增强方法，其特征在于，所述步骤S1具体为：在同一场景中，首先拍摄两张正常光图像，记为N1和N2，然后降低相机的曝光时间和感光度拍摄若干张低光图像，再重置相机的曝光时间和感光度拍摄两张正常光图像，记为N3和N4，同一场景的N1、N2、N3、N4和若干张低光图像构成一个图像组。

3.根据权利要求2所述的单幅低光图像增强方法，其特征在于，所述步骤S2包括如下步骤：

步骤S21，通过公式计算每个图像对的基准正常光图像R；

步骤S22，通过公式计算N1～N4与R之间的均方误差M：

步骤S23，判断每个图像组的均方误差M是否超过预设的阈值，若超过，则该图像组去除，若未超过，则该图像组保留。

4.根据权利要求3所述的单幅低光图像增强方法，其特征在于，所述步骤S4包括如下步骤：

步骤S41，随机选取一个图像组，再从中随机选取一张低光图像和一张真实的正常光图像构成一个图像对，并提取该图像对中低光图像的光照强度特征；

步骤S42，将光照强度特征和该张低光图像一起输入到生成器网络G，生成一张增强的正常光图像；

步骤S43，将生成的正常光图像、真实的正常光图像以及对应的低光图像和光照强度特征一起作为判别器网络D_local和D_global的输入；

步骤S44，根据判别器网络D_local和D_global的输出计算损失函数，并根据损失函数的计算结果优化所述低光图像增强模型的参数；

步骤S45，重复步骤S41-S44，直至所述低光图像增强模型达到纳什均衡状态。

5.根据权利要求1所述的单幅低光图像增强方法，其特征在于，所述生成器网络G为采用编解码结构的Unet++网络，其包括上采样、短连接、长连接和下采样，所述生成器网络G先进行多次下采样，再进行多次下采样，每次下采样和上采样均采用相同的卷积核、步长和填充，下采样每次卷积后使用LeakyReLU函数激活，上采样每次卷积后使用ReLU函数，最后一层使用Tanh函数激活，除了下采样的第一层和上采样的最后一层都使用实例正则化加速训练，下采样和上采样之间通过短连接和长连接共享特征：

其中x^(i，j)表示第i层第j个特征图，Conv表示卷积操作。