[发明专利]暗光图像增强方法、装置、电子设备及存储介质

权利要求书

1.一种暗光图像增强方法，其特征在于，包括：

在目标图像的光照强度低于目标阈值的情况下，基于所述目标图像的红绿蓝RGB三通道确定所述目标图像的光照引导图；其中，所述光照引导图用于表示所述目标图像中不同位置需要增强的程度；

将所述目标图像和所述光照引导图输入至卷积神经网络图像增强模型中，得到所述卷积神经网络图像增强模型输出的增强图像；

其中，所述卷积神经网络图像增强模型，是以不成对的暗光图像和正常光照图像为训练样本，并基于所述训练样本的细节感知特征和结构感知特征进行训练后得到的；所述卷积神经网络图像增强模型用于对所述目标图像进行图像增强；所述增强图像的光照强度高于或等于所述目标阈值。

2.根据权利要求1所述的暗光图像增强方法，其特征在于，所述基于所述目标图像的RGB三通道确定所述目标图像的光照引导图，包括：

对所述目标图像进行图像增强，得到第一图像；

对所述第一图像进行归一化，得到第二图像；其中，所述第二图像的像素值范围包括[0，1]；

基于所述第二图像的RGB三通道确定所述第二图像的灰度图；

基于所述第二图像的灰度图确定所述第二图像的光照引导图，将所述第二图像的光照引导图确定为所述目标图像的光照引导图。

3.根据权利要求1所述的暗光图像增强方法，其特征在于，所述卷积神经网络图像增强模型包括：结构感知生成器SAG、细节感知生成器DAG、特征注意力融合模块FAM；

所述将所述目标图像和所述光照引导图输入至卷积神经网络图像增强模型中，得到所述卷积神经网络图像增强模型输出的增强图像，包括：

将所述目标图像和所述光照引导图输入至所述SAG中，得到所述SAG生成的所述目标图像的结构感知特征；

将所述目标图像和所述光照引导图输入至所述DAG中，得到所述DAG生成的所述目标图像的细节感知特征；

将所述结构感知特征和所述细节感知特征输入至所述FAM，得到所述结构感知特征和所述细节感知特征的融合特征；

将所述融合特征输入至所述DAG中，得到所述DAG输出的增强图像。

4.根据权利要求3所述的暗光图像增强方法，其特征在于，所述卷积神经网络图像增强模型还包括：像素强度调整模块IAM，用于对所述DAG输出的增强图像进行像素强度调整；所述IAM位于所述DAG的最后一个卷积层之后；

所述将所述目标图像和所述光照引导图输入至卷积神经网络图像增强模型中，得到所述卷积神经网络图像增强模型输出的增强图像之后，包括：

将所述增强图像输入所述IAM中，得到所述IAM输出的像素强度调整后的增强图像。

5.根据权利要求3所述的暗光图像增强方法，其特征在于，所述将所述目标图像和所述光照引导图输入至所述SAG中，得到所述SAG生成的所述目标图像的结构感知特征，包括：

将所述目标图像的RGB三通道归一化到[-1,1]之间；

将所述目标图像的归一化的RGB三通道和所述光照引导图的单通道在通道维度进行连接后，将得到的四通道输入至所述SAG中，得到所述SAG生成的所述目标图像的结构感知特征；

其中，在所述SAG的跳级连接中，利用所述光照引导图自适应学习特征图的结构一致性；所述SAG采用的监督损失函数包括以下至少一项：第一全局感知损失函数、第一局部感知损失函数、第一全局对抗损失函数、第一局部对抗损失函数；所述第一局部感知损失函数用于表示将所述目标图像和所述SAG的输出图像分割成固定大小的第一图像块之后，将各所述第一图像块的全局感知损失函数求和得到的结果。