[发明专利]一种基于Retinex-Net和小波变换融合的低照度图像增强方法

权利要求书

1.一种基于Retinex-Net和小波变换融合的低照度图像增强方法，其特征在于，包括如下步骤：

S1：通过分解网络获得低照度图像的光照分量和反射分量，以及正常光图像的光照分量和反射分量；

S2：将反射分量进行去噪，得到降噪后的反射分量；

S3：将反射分量以及光照分量输入到增强网络中，对低照度图像的光照分量进行增强，得到增强后的光照分量；

S4：将增强后的光照分量与降噪后的反射率分量相乘得到粗增强图像；

S5：对输入的低照度图像进行自适应调整；

S6：采用小波变换图像融合技术，将粗增强图像与低照度图像进行融合，消除粗增强图像中的过度增强部分，保留更多的图像细节，获得融合图像。

2.根据权利要求1所述的一种基于Retinex-Net和小波变换融合的低照度图像增强方法，其特征在于,所述S1中将正常光图像以及对应的低照度图像作为分解网络的输入，首先用卷积核为3*3的卷积层提取输入图像的特征，再依次通过4个带有ReLU、卷积核为3×3的卷积层进行特征提取，其中每个卷积层用于特征提取、ReLU用于将特征映射到反射分量和光照分量；随后通过一层卷积核为3×3的卷积层和sigmoid函数得到通道为4的图像；将前3个通道的信息作为反射分量R，最后一个通道的信息作为光照分量I，并使用Sigmoid函数将值约束在[0，1]范围内,得到正常光图像的反射分量和光照分量以及低照度图像的反射分量和光照分量。

3.根据权利要求2所述的一种基于Retinex-Net和小波变换融合的低照度图像增强方法，其特征在于,所述S3中增强网络由多个上采样层、卷积层和跳跃连接组成,且增强光照分量的过程包括：将分解网络得到的光照分量和反射分量进行拼接得到增强网络的输入；通过增强网络U-net架构在保证特征表达能力的同时，增加了模型的感受野和降低了计算量；在增强网络中，采用连续3次下采样模块将输入的图像尺寸不断缩小，从而获得不同尺度的区域信息；每次下采样可以使得新图像变为原图像尺寸的1/2；上采样操作总共进行3次，先对上采样的输入图像进行最近邻插值以调整尺度，再通过跳跃连接的办法从与当前上采样层对应的下采样层引入尺度对应的区域信息；区域信息通过元素求和的方式拼接到上采样得到的图像中；最后通过多尺度特征融合的办法，将多个尺度的上采样图像加权融合到特征图中，最后再使用3*3卷积层将其映射到最终的光照分量。