本發(fā)明屬于圖像處理，具體涉及一種基于深度學(xué)習(xí)的輕量級(jí)低光圖像增強(qiáng)方法及裝置。
背景技術(shù)：
1、隨著科技的不斷發(fā)展，圖像在目標(biāo)檢測(cè)、醫(yī)學(xué)圖像處理和監(jiān)測(cè)系統(tǒng)等領(lǐng)域有著廣泛的應(yīng)用。然而，由于硬件設(shè)備或者照明環(huán)境的限制，獲取的圖像常出現(xiàn)細(xì)節(jié)信息丟失、亮度偏暗、噪聲較大和顏色失真等問(wèn)題。這些低質(zhì)量的光照?qǐng)D像不僅會(huì)對(duì)人類視覺(jué)體驗(yàn)產(chǎn)生不良影響，并且還可能傳給許多高級(jí)計(jì)算機(jī)視覺(jué)任務(wù)一些錯(cuò)誤的信息，降低其性能效果。
2、低光圖像增強(qiáng)技術(shù)可以有效提高暗光環(huán)境下圖像的亮度和清晰度，改善圖像細(xì)節(jié)，維持顏色平衡，提高圖像質(zhì)量，通常被用在一些高級(jí)視覺(jué)任務(wù)的數(shù)據(jù)預(yù)處理階段，幫助下游高級(jí)視覺(jué)任務(wù)取得更好的性能表現(xiàn)。因而低光圖像增強(qiáng)具有重要的研究?jī)r(jià)值和商業(yè)價(jià)值。
3、當(dāng)前最流行的低光圖像增強(qiáng)方法為基于深度學(xué)習(xí)的低光圖像增強(qiáng)方法。這種方法隨著深度學(xué)習(xí)網(wǎng)絡(luò)的不斷發(fā)展和創(chuàng)新，取得了顯著的效果。但是隨著增強(qiáng)效果的提升，網(wǎng)絡(luò)結(jié)構(gòu)也越來(lái)越復(fù)雜，隨之帶來(lái)了巨大的參數(shù)量和高計(jì)算復(fù)雜度，高昂的計(jì)算成本使得這些模型在資源有限的設(shè)備上難以部署，從而限制了低光圖像增強(qiáng)技術(shù)的應(yīng)用。
4、因此，當(dāng)前的低光圖像增強(qiáng)方法所使用的模型結(jié)構(gòu)較為復(fù)雜，成本較高。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明實(shí)施例提供了一種基于深度學(xué)習(xí)的輕量級(jí)低光圖像增強(qiáng)方法及裝置，可以解決當(dāng)前的低光圖像增強(qiáng)方法所使用的模型結(jié)構(gòu)較為復(fù)雜，成本較高的問(wèn)題。
2、第一方面，本發(fā)明實(shí)施例提供的一種基于深度學(xué)習(xí)的輕量級(jí)低光圖像增強(qiáng)方法，所述方法包括：
3、將低光圖像輸入至訓(xùn)練好的輕量級(jí)低光圖像增強(qiáng)網(wǎng)絡(luò)，得到增強(qiáng)后的低光圖像；
4、其中，輕量級(jí)低光圖像增強(qiáng)網(wǎng)絡(luò)包括特征提取模塊和光照增強(qiáng)模塊；特征提取模塊包括多維度特征提取模塊和多尺度卷積模塊；多維度特征提取模塊用于提取低光圖像多個(gè)維度的特征得到低光圖像的第一融合特征，多尺度卷積模塊用于提取低光圖像的多尺度特征；光照增強(qiáng)模塊用于根據(jù)第二融合特征對(duì)低光圖像進(jìn)行光照增強(qiáng)得到增強(qiáng)后的低光圖像，第二融合特征是融合第一融合特征和多尺度特征得到的。
5、第二方面，本發(fā)明實(shí)施例提供了一種基于深度學(xué)習(xí)的輕量級(jí)低光圖像增強(qiáng)裝置，所述裝置包括處理單元；處理單元用于：
6、將低光圖像輸入至訓(xùn)練好的輕量級(jí)低光圖像增強(qiáng)網(wǎng)絡(luò)，得到增強(qiáng)后的低光圖像；
7、其中，輕量級(jí)低光圖像增強(qiáng)網(wǎng)絡(luò)包括特征提取模塊和光照增強(qiáng)模塊；特征提取模塊包括多維度特征提取模塊和多尺度卷積模塊；多維度特征提取模塊用于提取低光圖像多個(gè)維度的特征得到低光圖像的第一融合特征，多尺度卷積模塊用于提取低光圖像的多尺度特征；光照增強(qiáng)模塊用于根據(jù)第二融合特征對(duì)低光圖像進(jìn)行光照增強(qiáng)得到增強(qiáng)后的低光圖像，第二融合特征是融合第一融合特征和多尺度特征得到的。
8、第三方面，本發(fā)明實(shí)施例提供了一種電子設(shè)備，包括處理器和存儲(chǔ)器，其中，存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序；處理器可以用于執(zhí)行存儲(chǔ)在存儲(chǔ)器中的計(jì)算器程序(指令)，以實(shí)現(xiàn)上述第一方面的方法。
9、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)由計(jì)算機(jī)程序，當(dāng)計(jì)算機(jī)程序被執(zhí)行時(shí)，可以實(shí)現(xiàn)如上述第一方面的方法。
10、可以理解的是上述第二方面至第四方面的有益效果可以參見(jiàn)上述第一方面的相關(guān)描述，在此不贅述。
11、本發(fā)明實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是：根據(jù)本發(fā)明提供的圖像增強(qiáng)方法，通過(guò)使用結(jié)構(gòu)更簡(jiǎn)單的輕量級(jí)低光圖像增強(qiáng)網(wǎng)絡(luò)對(duì)低光圖像進(jìn)行增強(qiáng)處理，能夠減少圖像增強(qiáng)時(shí)的計(jì)算量，從而降低使用成本。
1.一種基于深度學(xué)習(xí)的輕量級(jí)低光圖像增強(qiáng)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多維度特征提取模塊包括空間通道重建卷積模塊和注意力模塊；所述多維度特征提取模塊用于：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多尺度卷積模塊包括多個(gè)卷積通道，每個(gè)卷積通道中均包括一個(gè)深度可分離卷積層和一個(gè)普通卷積層，不同通道內(nèi)深度可分離卷積層的尺寸不同。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述多尺度卷積模塊用于：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述光照增強(qiáng)模塊具體用于：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述光照增強(qiáng)曲線滿足下述公式：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，訓(xùn)練所述輕量級(jí)低光圖像增強(qiáng)網(wǎng)絡(luò)所使用總損失函數(shù)為l1損失函數(shù)和頻率重構(gòu)損失函數(shù)的加權(quán)和。
8.一種基于深度學(xué)習(xí)的輕量級(jí)低光圖像增強(qiáng)裝置，其特征在于，所述裝置包括處理單元，所述處理單元用于：
9.一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的方法。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被所述電子設(shè)備執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的方法。