本發(fā)明涉及圖像處理的。本發(fā)明具體涉及一種低光照?qǐng)D像增強(qiáng)模型的訓(xùn)練方法及系統(tǒng)。

背景技術(shù)：

1、在低光圖像增強(qiáng)領(lǐng)域，現(xiàn)有的技術(shù)普遍面臨兩大挑戰(zhàn)：如何在提升圖像視覺質(zhì)量的同時(shí)，確保計(jì)算效率；以及如何在未知復(fù)雜的現(xiàn)實(shí)場景中保持算法的有效性。傳統(tǒng)的方法大多基于有監(jiān)督訓(xùn)練驅(qū)動(dòng)，這些方法雖然在一定程度上提升了圖像質(zhì)量，但往往存在參數(shù)調(diào)整困難、計(jì)算復(fù)雜度高以及不適用于復(fù)雜場景等問題。

2、近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于神經(jīng)網(wǎng)絡(luò)的低光圖像增強(qiáng)方法逐漸成為研究熱點(diǎn)。這些方法通過大量數(shù)據(jù)的訓(xùn)練，可以自動(dòng)學(xué)習(xí)圖像增強(qiáng)的規(guī)則，實(shí)現(xiàn)端到端的圖像質(zhì)量提升。然而，現(xiàn)有基于深度學(xué)習(xí)的方法普遍存在以下問題：模型復(fù)雜度高，計(jì)算量大，導(dǎo)致在邊緣設(shè)備上難以部署；缺乏對(duì)復(fù)雜場景的泛化能力，實(shí)際應(yīng)用中效果不佳。

3、針對(duì)上述問題，本專利提出了一種新型的“無監(jiān)督低光照?qǐng)D像增強(qiáng)自動(dòng)學(xué)習(xí)框架”以及輕量化低光照?qǐng)D像增強(qiáng)模型，旨在實(shí)現(xiàn)快速、靈活且魯棒的低光圖像增強(qiáng)。同時(shí)提出一種動(dòng)態(tài)范圍融合曝光抑制算法，應(yīng)對(duì)夜間可能出現(xiàn)的強(qiáng)光噪聲問題，將設(shè)計(jì)這種算法旨在減少夜間路燈、城市霓虹燈等因素對(duì)圖像質(zhì)量的影響，從而提供更清晰的視覺效果。通過級(jí)聯(lián)低光照?qǐng)D像增強(qiáng)模型和動(dòng)態(tài)范圍融合曝光抑制算法，本專利可以在保持模型輕量級(jí)的同時(shí)，顯著提升了圖像增強(qiáng)的視覺質(zhì)量和計(jì)算效率。此外，本專利還具備良好的泛化能力，可以適應(yīng)不同復(fù)雜場景的需求。

4、現(xiàn)有的低光圖像增強(qiáng)技術(shù)大致可以分為兩類：基于直方圖均衡化的傳統(tǒng)低照度圖像增強(qiáng)算法和基于深度學(xué)習(xí)的有監(jiān)督學(xué)習(xí)的算法。

5、基于直方圖均衡化的傳統(tǒng)低照度圖像增強(qiáng)算法：

6、直方圖均衡化(histogram?equalization,he)是圖像處理領(lǐng)域中最常用的圖像增強(qiáng)方法之一,該算法會(huì)根據(jù)分布重新分配圖像的像素值，使其成為近似的均勻分布。在低亮度圖像中,像素一般會(huì)集中出現(xiàn)在某段較窄的灰度區(qū)間內(nèi),而在亮度正常的圖像中,直方圖則傾向于均勻分布。因此,通過調(diào)整低照度圖像的直方圖的分布,可以提高圖像對(duì)比度,在一定程度上恢復(fù)圖像亮度。

7、基于直方圖均衡化的方法具有易于實(shí)現(xiàn)、處理速度快等優(yōu)點(diǎn),但同時(shí)也存在以下幾個(gè)問題:(1)容易出現(xiàn)色差；(2)丟失圖像細(xì)節(jié)；(3)無法精準(zhǔn)地對(duì)低亮度區(qū)域進(jìn)行增強(qiáng),正常區(qū)域容易出現(xiàn)過度曝光的問題。

8、基于深度學(xué)習(xí)的有監(jiān)督學(xué)習(xí)的算法：利用大量成對(duì)的數(shù)據(jù)進(jìn)行訓(xùn)練，能夠自動(dòng)學(xué)習(xí)圖像增強(qiáng)的規(guī)則。然而，這類方法需要依賴大量的標(biāo)注數(shù)據(jù)，且泛化能力有限，模型往往只能在和訓(xùn)練數(shù)據(jù)一致的場景中表現(xiàn)出色，但是難以適應(yīng)未知場景。

9、在低光圖像增強(qiáng)領(lǐng)域，盡管現(xiàn)有技術(shù)已取得一定進(jìn)展，但仍面臨多重挑戰(zhàn)。首先，現(xiàn)有的低光圖像增強(qiáng)方法在提高圖像視覺質(zhì)量的同時(shí)，往往犧牲了計(jì)算效率，使得這些方法難以在實(shí)時(shí)應(yīng)用或邊緣設(shè)備上部署。其次，大多數(shù)方法缺乏足夠的泛化能力，特別是在未知和復(fù)雜的現(xiàn)實(shí)場景中，它們的性能通常會(huì)顯著下降。

10、具體來說，現(xiàn)有的低光圖像增強(qiáng)技術(shù)主要可以分為兩大類：基于直方圖均衡化的傳統(tǒng)方法和基于深度學(xué)習(xí)的有監(jiān)督學(xué)習(xí)方法。直方圖均衡化雖然簡單易行，但容易造成色差、丟失細(xì)節(jié)和過度曝光等問題。而基于深度學(xué)習(xí)的有監(jiān)督學(xué)習(xí)方法雖然能夠自動(dòng)學(xué)習(xí)圖像增強(qiáng)的規(guī)則，但它們依賴于大量的標(biāo)注數(shù)據(jù)，并且在面對(duì)未知場景時(shí)泛化能力有限。

11、近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，雖然有一些深度學(xué)習(xí)模型在圖像增強(qiáng)方面取得了顯著成果，但這些模型往往結(jié)構(gòu)復(fù)雜、參數(shù)量大，導(dǎo)致計(jì)算量大、內(nèi)存占用高，難以在實(shí)際應(yīng)用中部署。例如，主流的超分辨率模型雖然性能優(yōu)異，但由于其深度和寬度的增加，使得模型參數(shù)過大，計(jì)算復(fù)雜度過高，難以在移動(dòng)設(shè)備和嵌入式系統(tǒng)中應(yīng)用。

12、此外，現(xiàn)有的低光圖像增強(qiáng)方法還缺乏對(duì)復(fù)雜場景的適應(yīng)性。在實(shí)際應(yīng)用中，低光環(huán)境下的圖像往往包含各種噪聲和干擾因素，如夜間路燈、城市霓虹燈等，這些因素會(huì)對(duì)圖像質(zhì)量產(chǎn)生負(fù)面影響。然而，現(xiàn)有的方法往往無法有效地處理這些噪聲和干擾因素，導(dǎo)致增強(qiáng)后的圖像質(zhì)量不佳。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種低光照?qǐng)D像增強(qiáng)模型的訓(xùn)練方法和系統(tǒng)，旨在解決現(xiàn)有技術(shù)中在提高圖像視覺質(zhì)量的同時(shí)犧牲計(jì)算效率，以及泛化能力有限的問題。通過引入無監(jiān)督學(xué)習(xí)框架和輕量化模型設(shè)計(jì)，本發(fā)明能夠在保持模型輕量級(jí)的同時(shí)顯著提升圖像增強(qiáng)的視覺質(zhì)量和計(jì)算效率，并具備良好的泛化能力，以適應(yīng)不同復(fù)雜場景的需求。

2、為了解決上述問題，本發(fā)明提出了一種新型的“無監(jiān)督低光照?qǐng)D像增強(qiáng)模型自動(dòng)學(xué)習(xí)框架”以及輕量化低光照?qǐng)D像增強(qiáng)模型。該框架通過輕量化低光照?qǐng)D像增強(qiáng)模型設(shè)計(jì)，利用無監(jiān)督學(xué)習(xí)的方式自動(dòng)學(xué)習(xí)圖像增強(qiáng)的規(guī)則，無需依賴大量的標(biāo)注數(shù)據(jù)。同時(shí)，該框架還引入了一種動(dòng)態(tài)范圍融合曝光抑制算法，能夠有效地處理夜間可能出現(xiàn)的強(qiáng)光噪聲問題，提升圖像增強(qiáng)的視覺效果。通過大量的實(shí)驗(yàn)驗(yàn)證，本發(fā)明提出的方法不僅能夠在保持模型輕量級(jí)的同時(shí)提升圖像質(zhì)量，還具備良好的泛化能力，可以適應(yīng)不同復(fù)雜場景的需求。

3、本發(fā)明的第一個(gè)方面，提供了一種低光照?qǐng)D像增強(qiáng)模型的訓(xùn)練方法，其包括：

4、通過能夠增強(qiáng)低光照?qǐng)D像亮度的增強(qiáng)網(wǎng)絡(luò)和能夠還原低光照?qǐng)D像亮度的校準(zhǔn)網(wǎng)絡(luò)，組成低光照?qǐng)D像增強(qiáng)模型。增強(qiáng)網(wǎng)絡(luò)的輸入為原始待增強(qiáng)的低光照?qǐng)D像。校準(zhǔn)網(wǎng)絡(luò)輸出增強(qiáng)處理后的圖像。校準(zhǔn)網(wǎng)絡(luò)的還原亮度監(jiān)督增強(qiáng)網(wǎng)絡(luò)增強(qiáng)的亮度，以使低光照?qǐng)D像增強(qiáng)模型自監(jiān)督學(xué)習(xí)。

5、將原始待增強(qiáng)的低光照?qǐng)D像輸入到低光照?qǐng)D像增強(qiáng)模型訓(xùn)練，通過輸出的增強(qiáng)處理后的圖像和原始待增強(qiáng)的低光照?qǐng)D像，得到損失函數(shù)。

6、通過損失函數(shù)在低光照?qǐng)D像增強(qiáng)模型的訓(xùn)練中，調(diào)整增強(qiáng)網(wǎng)絡(luò)和校準(zhǔn)網(wǎng)絡(luò)的訓(xùn)練參數(shù)，以達(dá)到低光照?qǐng)D像增強(qiáng)模型收斂為止，獲得能夠用于低光照?qǐng)D像增強(qiáng)的低光照?qǐng)D像增強(qiáng)模型。

7、本發(fā)明的第二方面，提供了一種低光照?qǐng)D像增強(qiáng)模型的訓(xùn)練系統(tǒng)，其包括：低光照?qǐng)D像增強(qiáng)模型的架構(gòu)單元、損失函數(shù)獲取單元和訓(xùn)練單元，其中。

8、低光照?qǐng)D像增強(qiáng)模型的架構(gòu)單元，配置為通過能夠增強(qiáng)低光照?qǐng)D像亮度的增強(qiáng)網(wǎng)絡(luò)和能夠還原低光照?qǐng)D像亮度的校準(zhǔn)網(wǎng)絡(luò)，組成低光照?qǐng)D像增強(qiáng)模型。增強(qiáng)網(wǎng)絡(luò)的輸入為原始待增強(qiáng)的低光照?qǐng)D像。校準(zhǔn)網(wǎng)絡(luò)輸出增強(qiáng)處理后的圖像。校準(zhǔn)網(wǎng)絡(luò)的還原亮度監(jiān)督增強(qiáng)網(wǎng)絡(luò)增強(qiáng)的亮度，以使低光照?qǐng)D像增強(qiáng)模型自監(jiān)督學(xué)習(xí)。

9、損失函數(shù)獲取單元，配置為將原始待增強(qiáng)的低光照?qǐng)D像輸入到低光照?qǐng)D像增強(qiáng)模型訓(xùn)練，通過輸出的增強(qiáng)處理后的圖像和原始待增強(qiáng)的低光照?qǐng)D像，得到損失函數(shù)。

10、訓(xùn)練單元，配置為通過損失函數(shù)在低光照?qǐng)D像增強(qiáng)模型的訓(xùn)練中，調(diào)整增強(qiáng)網(wǎng)絡(luò)和校準(zhǔn)網(wǎng)絡(luò)的訓(xùn)練參數(shù)，以達(dá)到低光照?qǐng)D像增強(qiáng)模型收斂為止，獲得能夠用于低光照?qǐng)D像增強(qiáng)的低光照?qǐng)D像增強(qiáng)模型。

11、本發(fā)明的第三個(gè)方面，提供了一種低光照?qǐng)D像增強(qiáng)模型，低光照?qǐng)D像增強(qiáng)模型通過本發(fā)明中任一種低光照?qǐng)D像增強(qiáng)模型的訓(xùn)練方法獲得。

12、本發(fā)明的第四個(gè)方面，提供了一種低光照?qǐng)D像增強(qiáng)方法，通過本發(fā)明中的低光照?qǐng)D像增強(qiáng)模型對(duì)當(dāng)前待處理的原始低光照?qǐng)D像增強(qiáng)下文將以明確易懂的方式，結(jié)合附圖對(duì)低光照?qǐng)D像增強(qiáng)模型的訓(xùn)練方法和系統(tǒng)的特性、技術(shù)特征、優(yōu)點(diǎn)及其實(shí)現(xiàn)方式予以進(jìn)一步說明。