[发明专利]一种基于亮度注意力机制低照度图像增强算法的摄影方法

权利要求书

1.一种基于亮度注意力机制低照度图像增强算法的摄影方法，其特征在于，所述基于亮度注意力机制低照度图像增强算法的摄影方法包括：

利用摄像设备中嵌入的低照度图像增强算法进行摄影，并利用基于亮度注意力生成对抗网络的低照度图像增强网络增强图像；

或利用摄像设备进行低照度图像获取，利用基于亮度注意力生成对抗网络的低照度图像增强网络对获取的图像进行增强，得到增强后的摄影图像。

2.如权利要求1所述基于亮度注意力机制低照度图像增强算法的摄影方法，其特征在于，所述基于亮度注意力生成对抗网络的低照度图像增强网络包括生成器、判别器以及损失函数；

所述生成器包括增强网络以及注意力分支网络；

所述增强网络，用于将输入图像作为一个整体转换成一个在新空间中类似的图片；

所述注意力网络，用于预测弱光照的位置掩码；

所述生成器还用于组合输入图像，将注意力图和转换后的输入构成最终增强后的图像；

所述判别器，用于时接收生成器生成的图片和真实图片，产生真假的预测值；

所述损失函数为：

Loss＝ω_aL_a+ω_advL_adv+ω_conL_con+ω_tvL_tv+ω_colL_col；

其中L_a,L_adv,L_con,L_tv,L_col分别表示注意力损失，对抗损失，内容损失，总变差损失，颜色损失，ω_a,ω_adv,ω_con,ω_tv,ω_col分别表示其损失对应权重。

3.如权利要求2所述基于亮度注意力机制低照度图像增强算法的摄影方法，其特征在于，所述生成器包括：

所述生成器增强网络包括：

所述生成器增强网络基于完全卷积网络，并利用卷积神经网络的属性；所述生成器增强网络由多个残差块和卷积块2部分组成；所述生成器网络开始是1个卷积块；中间部分包含4个残差块，用于保持高度或宽度恒定，且每次卷积之后进行实例正则化和ReLU激活；最后是2个卷积块；

所述生成器网络除残差块外，最后一个卷积层是tanh激活，且每个卷积层之后只有ReLU激活；

所述注意力分支网络包括：

所述注意力分支网络的网络结构为类U-net的全卷积网络结构；包括一个用于获取多尺度上下文信息的收缩路径、一个对称的用于恢复多级特征图的扩张路径以及2个用于恢复和输入相同大小的注意力图的卷积层；

所述收缩路径有4个下采样卷积块，每个卷积块包含步长为1的2层卷积层，步长为2的1层池化层；

所述扩张路径有4个上采样反卷积块，每个反卷积块包含步长为1的2层卷积层，1个反卷积层和1层特征拼接；

所述2个卷积层中1个是反卷积层，1个是普通卷积；最后一个卷积层的激活函数为tanh；所述卷积层卷积核大小为3x3，除最后一层外，卷积之后使用lrelu函数激活。