[发明专利]基于多粒度合作网络的极低光成像方法

权利要求书

1.一种基于多粒度合作网络的极低光成像方法，其特征在于，包括以下步骤：

S1、采集相机原始信号数据，进行黑电平校正；

S2、对黑电平校正后的信号进行增益处理，然后对增益以后的信号数据做降维处理；

所述步骤S2中，采用原始照明图估计函数对黑电平校正后的信号数据进行非线性增益处理，具体处理办法为通过原始照明图估计函数M点乘经过黑电平校正后的信号数据raw，即得到增益后的数据grsd；

所述原始照明图估计函数的计算公式为：

其中，M表示原始照明图估计函数，m_f表示照明图函数，ε表示原始照明图估计函数的下限，在网络训练期间ε设置为1；在处理极暗HDR原始图像时ε设置为其中ratio为输入图像与参考图像之间的曝光差比值；照明图函数m_f的计算表达式为：

其中参数r用来控制图片的曝光程度，参数α用来避免x出现0，从而造成异常的输出，为通过经验设定；x表示图像的输入，即黑电平校正后的信号数据raw

S3、将降维处理后的信号数据输入到多粒度合作神经网络，通过学习的方式，将其转换到sRGB空间，其中，所述多粒度合作神经网络包括多个依次连接的单粒度网络，其中最后一个单粒度网络为第一个单粒度网络的孪生网络，其中，第一个网络的输入为所述多粒度合作神经网络的输入input1，后面网络的输入包括所述多粒度合作神经网络的输入input1和与前面所有网络的输出；

所述多粒度合作神经网络中，损失函数l_mu的计算公式为：

其中K是训练过程中输入网络的图像数量，W是l_r的宽，H是l_r的高，C是l_r的通道数，l_r和l_s分别表示图像重建损失和图像平滑度损失，λ_r和λ_s分别表示相应的权重；

图像重建损失的计算公式为：

其中，N表示多粒度合作网络中单粒度网络的数量，h_i，out表示第i个单粒度网络的输出，I表示参考图像，h′_1，out表示反向连接后第一个单粒度网络的输出；

图像平滑度损失的计算公式为：

表示在x和y方向上的总变化。

2.根据权利要求1所述的一种基于多粒度合作网络的极低光成像方法，其特征在于，所述步骤S1中，对采集相机原始信号数据，进行黑电平校正的公式为：

raw＝max(I_raw-512)/(16383-512)；

其中，I_raw表示相机原始信号数据，raw表示经过校正后的信号数据。

3.根据权利要求1所述的一种基于多粒度合作网络的极低光成像方法，其特征在于，所述r和α的设定值分别为α＝10^-6和r＝1。

4.根据权利要求1所述的一种基于多粒度合作网络的极低光成像方法，其特征在于，λ_r＝1，