[发明专利]面向矿井低光照环境的图像超分辨率重建方法及装置

说明书

本发明涉及一种面向矿井低光照环境的图像超分辨率重建方法及装置，属于计算机视觉技术领域，解决了现有图像超分辨率重建方法耗时且获得的超分辨率图像精度较差的问题。方法包括：获取低光照环境的原始输入图像，并对原始输入图像进行平滑滤波，得到原始输入图像对应的亮度图；基于原始输入图像、亮度图和反射图的自适应权重，获得原始输入图像对应的反射图；基于字典学习算法对反射图进行超分辨率重建，得到原始输入图像对应的超分辨率图像。实现了低分辨率图像的重建，提高了获得的高分辨率图像的精度。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种面向矿井低光照环境的图像超分辨率重建方法及装置。

背景技术

煤矿井下巷道内的环境复杂，整体背景较为昏暗，井下的照明主要来源于人造光源，灯光照明区域与背光区域亮度反差大，低光照的环境条件造成视频图像采集终端采集到的图像分辨率很低，整体成像质量较差，严重影响了后续的智能视频场景的分析与智慧化矿井的建设。为此，如何对矿井低光照环境下的图像进行重建以获取清晰地成像结果一直是当前矿井AI视频分析取得良好效果的瓶颈。

现有的超分辨率重建数据集大都是在亮度适当、轮廓清晰和色彩均衡的条件下收集的，但是在现实场景中，由于拍摄角度或者光线等问题会导致拍摄出来的图片比较阴暗，当在弱光环境下或者是光照不均匀环境下测试时，图像重建的效果将会大大降低。同时，深度学习的神经网络过于庞大复杂，训练耗时较长，获得的超分辨率图像精度较差。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种面向矿井低光照环境的图像超分辨率重建方法及装置，用以解决现有图像超分辨率重建方法耗时且获得的超分辨率图像精度较差的问题。

一方面，本发明实施例提供了一种面向矿井低光照环境的图像超分辨率重建方法，包括下述步骤：

获取低光照环境的原始输入图像，并对所述原始输入图像进行平滑滤波，得到原始输入图像对应的亮度图；

基于所述原始输入图像、所述亮度图和反射图的自适应权重，获得原始输入图像对应的反射图；

基于字典学习算法对所述反射图进行超分辨率重建，得到原始输入图像对应的超分辨率图像。

进一步，对所述原始输入图像进行平滑滤波，得到原始输入图像对应的亮度图，包括下述步骤：

基于高斯滤波器获取所述原始输入图像对应的初始亮度图，公式如下：

L_n,i(x,y)＝S_i(x,y)*M_n(x,y)

上式中，L_n,i(x,y)为原始输入图像对应的初始亮度图，S_i(x,y)为原始输入图像，x、y分别为原始输入图像中某一像素点的横、纵坐标，M_n(x,y)为归一化环绕函数，i为不同颜色的通道，且i∈{R,G,B}；

基于所述原始输入图像对应的初始亮度图和引导滤波器函数计算得到原始输入图像对应的亮度图，公式如下：

L′_n,i(x,y)＝F_guided(S_i(x,y),L_n,i(x,y),r_n,ε)

上式中，L′_n,i(x,y)为原始输入图像对应的亮度图，F_guided()表示引导滤波器函数，ε为正则化参数，r_n为引导滤波器的尺度，n∈[1,N]，N为总尺度数,r₁∈[r_mid,r_max]，r₂∈[r_min,r_mid]，r₃∈[1,r_min]，其中