本發(fā)明涉及圖像處理，具體來說，涉及基于像素離散化和光照引導(dǎo)的圖像去噪與自適應(yīng)增強(qiáng)方法。

背景技術(shù)：

1、在電力系統(tǒng)的運(yùn)行與維護(hù)過程中，電力巡檢工作發(fā)揮著至關(guān)重要的作用。電力設(shè)備廣泛分布在不同的環(huán)境中，部分區(qū)域的巡檢工作需要在夜間、室內(nèi)配電室等低光照環(huán)境下進(jìn)行。隨著智能化電力巡檢技術(shù)的發(fā)展，圖像采集與分析技術(shù)被廣泛應(yīng)用于電力巡檢工作，通過攝像頭獲取電力設(shè)備的圖像，能夠快速、準(zhǔn)確地發(fā)現(xiàn)設(shè)備的潛在故障和安全隱患，保障電力系統(tǒng)的穩(wěn)定運(yùn)行。然而，在低光照環(huán)境下獲取的圖像往往存在嚴(yán)重的質(zhì)量問題。由于光照不足，圖像中會(huì)出現(xiàn)大量的噪聲像素，導(dǎo)致圖像模糊不清，設(shè)備的細(xì)節(jié)特征難以分辨。這不僅增加了巡檢人員人工判讀圖像的難度，還會(huì)影響后續(xù)基于圖像分析的智能診斷系統(tǒng)的準(zhǔn)確性和可靠性，可能導(dǎo)致故障漏檢或誤檢，進(jìn)而對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行構(gòu)成威脅。

2、回顧歷年的技術(shù)發(fā)展，傳統(tǒng)的圖像去噪方法在處理低光照電力巡檢圖像時(shí)，雖然能在一定程度上降低噪聲水平，但通常會(huì)導(dǎo)致圖像細(xì)節(jié)信息的丟失，使得設(shè)備的關(guān)鍵特征變得模糊，不利于準(zhǔn)確識(shí)別設(shè)備的故障。同時(shí)，這些方法沒有充分考慮低光照?qǐng)D像的特點(diǎn)，無法針對(duì)低光照環(huán)境下的噪聲特性進(jìn)行有效的去噪處理。現(xiàn)有的圖像增強(qiáng)技術(shù)，在應(yīng)用于低光照電力巡檢圖像時(shí)，容易放大圖像中的噪聲，使原本就存在噪聲問題的圖像質(zhì)量進(jìn)一步惡化。此外，傳統(tǒng)的圖像去噪和增強(qiáng)技術(shù)往往是獨(dú)立進(jìn)行的，沒有實(shí)現(xiàn)兩者的有機(jī)結(jié)合，難以在去噪的同時(shí)對(duì)圖像進(jìn)行有效的增強(qiáng)，無法滿足電力巡檢工作對(duì)低光照?qǐng)D像高質(zhì)量處理的實(shí)際需求。

3、針對(duì)相關(guān)技術(shù)中的問題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)相關(guān)技術(shù)中的問題，本發(fā)明提出基于像素離散化和光照引導(dǎo)的圖像去噪與自適應(yīng)增強(qiáng)方法，以克服現(xiàn)有相關(guān)技術(shù)所存在的上述技術(shù)問題。

2、為此，本發(fā)明采用的具體技術(shù)方案如下：

3、基于像素離散化和光照引導(dǎo)的圖像去噪與自適應(yīng)增強(qiáng)方法，包括：

4、對(duì)輸入圖像進(jìn)行降采樣和降噪處理，并通過反卷積操作、模糊像素離散化及殘差連續(xù)化處理，得到初步去噪后的圖像；利用照度估計(jì)網(wǎng)絡(luò)從初步去噪后的圖像中估計(jì)光照成分；

5、基于估計(jì)光照成分和初步去噪后的圖像，并根據(jù)圖像增強(qiáng)理論計(jì)算反射圖像；基于動(dòng)態(tài)拼接機(jī)制，將反射圖像與光照成分在通道維度上進(jìn)行拼接，得到拼接后的圖像；

6、以保持圖像細(xì)節(jié)和亮度信息為準(zhǔn)則，通過反射去噪網(wǎng)絡(luò)對(duì)拼接后的圖像進(jìn)行去噪和增強(qiáng)，輸出去噪增強(qiáng)圖像。

7、進(jìn)一步的，對(duì)輸入圖像進(jìn)行降采樣和降噪處理，并通過反卷積操作、模糊像素離散化及殘差連續(xù)化處理，得到初步去噪后的圖像包括：

8、將輸入圖像降采樣為不重疊的圖像塊，并分別輸入到低光去噪網(wǎng)絡(luò)中進(jìn)行降噪處理，得到降噪后的圖像塊；

9、利用光照基礎(chǔ)核，對(duì)降噪后的圖像塊進(jìn)行反卷積操作，生成反卷積類圖像；

10、提取反卷積類圖像的噪聲特征，并根據(jù)噪聲特征的類型和強(qiáng)度，確定噪聲類別；

11、基于噪聲類別，并根據(jù)反卷積類圖像，獲取噪聲分割圖；利用映射模型的多層卷積網(wǎng)絡(luò)，獲取噪聲分割圖對(duì)應(yīng)的連續(xù)殘差，并與輸入圖像相加，得到初步去噪后的圖像。

12、進(jìn)一步的，基于噪聲類別，并根據(jù)反卷積類圖像，獲取噪聲分割圖；利用映射模型的多層卷積網(wǎng)絡(luò)，獲取噪聲分割圖對(duì)應(yīng)的連續(xù)殘差，并與輸入圖像相加，得到初步去噪后的圖像包括：

13、將反卷積類圖像中所有像素的類別索引按輸入圖像空間位置組合，生成與輸入圖像尺寸相同的噪聲分割圖；

14、對(duì)噪聲分割圖中的噪聲區(qū)域，離散化為不同的類別，并獲取離散化的殘差；

15、通過映射模型的多層卷積網(wǎng)絡(luò)，學(xué)習(xí)離散化的殘差與連續(xù)殘差之間的映射關(guān)系；將離散化的殘差轉(zhuǎn)換為連續(xù)殘差，通過對(duì)連續(xù)殘差和輸入圖像的相加，估計(jì)出初步去噪后的圖像。

16、進(jìn)一步的，離散化的殘差的表達(dá)式為：

17、；

18、式中，idiscrete表示離散化的殘差圖像；

19、ck表示第k個(gè)類別的殘差值；

20、mk表示第k個(gè)類別在圖像中的位置，k表示類別總數(shù)。

21、進(jìn)一步的，利用照度估計(jì)網(wǎng)絡(luò)從初步去噪后的圖像中估計(jì)光照成分包括：

22、利用亮度分布調(diào)整算法對(duì)初步去噪后的圖像進(jìn)行全局亮度調(diào)整；通過自適應(yīng)增強(qiáng)算法對(duì)初步去噪后的圖像中每個(gè)像素進(jìn)行增強(qiáng)處理，且通過對(duì)初步去噪后的圖像進(jìn)行全局亮度調(diào)整和增強(qiáng)處理后，得到待處理圖像；

23、利用照度估計(jì)網(wǎng)絡(luò)從待處理圖像中，提取并解碼得到估計(jì)光照成分。

24、進(jìn)一步的，通過自適應(yīng)增強(qiáng)算法對(duì)初步去噪后的圖像中每個(gè)像素進(jìn)行增強(qiáng)處理包括：

25、將初步去噪后的圖像劃分為多個(gè)局部區(qū)域，使用局部對(duì)比度增強(qiáng)算法計(jì)算每個(gè)像素的局部對(duì)比度，并在每個(gè)局部區(qū)域內(nèi)通過限制直方圖的對(duì)比度來增強(qiáng)圖像的局部細(xì)節(jié)；

26、在每個(gè)局部區(qū)域根據(jù)像素的亮度值和局部對(duì)比度，計(jì)算每個(gè)像素的自適應(yīng)增強(qiáng)系數(shù)，且自適應(yīng)增強(qiáng)系數(shù)的計(jì)算公式為：

27、；

28、式中，表示自適應(yīng)增強(qiáng)系數(shù)，imax表示像素的最大亮度值，表示像素的亮度值；

29、β表示縮放因子，和τ表示不同的指數(shù)因子；

30、cmax表示局部對(duì)比度最大值，表示像素的局部對(duì)比度；

31、將自適應(yīng)增強(qiáng)系數(shù)應(yīng)用于每個(gè)像素，以實(shí)現(xiàn)每個(gè)局部區(qū)域的增強(qiáng)處理。

32、進(jìn)一步的，利用照度估計(jì)網(wǎng)絡(luò)從待處理圖像中，提取并解碼得到估計(jì)光照成分包括：

33、將光照平滑性損失函數(shù)加入總損失函數(shù)中，并反向傳播和優(yōu)化照度估計(jì)網(wǎng)絡(luò)；

34、基于優(yōu)化后的照度估計(jì)網(wǎng)絡(luò)中解碼器提取并解碼初步光照估計(jì)，并通過光照平滑性損失函數(shù)，約束光照的梯度變化和鄰域一致性后，得到估計(jì)光照成分；

35、其中，光照平滑性損失函數(shù)的公式為：

36、；

37、式中，lsmooth表示光照平滑性損失函數(shù)；

38、r、g、b表示顏色三通道，c表示屬于r、g、b顏色三通道；

39、和分別表示光照在水平和垂直方向上的梯度；

40、表示像素i的鄰域；

41、表示鄰域像素的權(quán)重；

42、λ表示平衡兩項(xiàng)的超參數(shù)，n表示圖像中的像素總數(shù)；

43、和分別表示像素i和像素j位置的估計(jì)光照值。

44、進(jìn)一步的，基于估計(jì)光照成分和初步去噪后的圖像，并根據(jù)圖像增強(qiáng)理論計(jì)算反射圖像包括：

45、根據(jù)圖像增強(qiáng)理論，將估計(jì)光照成分和初步去噪后的圖像，通過逆運(yùn)算，得到反射圖像；

46、其中，得到反射圖像之后，將估計(jì)光照成分和對(duì)應(yīng)的反射圖像進(jìn)行配對(duì)，得到配對(duì)數(shù)據(jù)。

47、進(jìn)一步的，基于動(dòng)態(tài)拼接機(jī)制，將反射圖像與光照成分在通道維度上進(jìn)行拼接，得到拼接后的圖像包括：

48、構(gòu)建混合架構(gòu)模型，并利用混合架構(gòu)模型中的卷積神經(jīng)網(wǎng)絡(luò)提取反射圖像的局部紋理與噪聲特征，以及光照成分的空間分布；通過跨模態(tài)卷積對(duì)齊特征圖的尺度與通道數(shù)；

49、利用混合架構(gòu)模型中的深度學(xué)習(xí)模塊學(xué)習(xí)不同區(qū)域反射圖像與估計(jì)光照成分的關(guān)聯(lián)，控制不同通道的融合比例；

50、通過迭代更新混合架構(gòu)模型參數(shù)，并最小化損失函數(shù)，使混合架構(gòu)模型學(xué)習(xí)到反射圖像與估計(jì)光照成分之間的最佳拼接策略；利用最佳拼接策略，對(duì)反射圖像與光照成分在通道維度上進(jìn)行拼接，得到拼接后的圖像；

51、其中，結(jié)合元學(xué)習(xí)，在面對(duì)新場景時(shí)，利用部分樣本對(duì)混合架構(gòu)模型進(jìn)行微調(diào)，并調(diào)整拼接策略參數(shù)；在查詢集上計(jì)算損失，通過反向傳播優(yōu)化混合架構(gòu)模型的初始參數(shù)，以使混合架構(gòu)模型適應(yīng)新場景。

52、進(jìn)一步的，以保持圖像細(xì)節(jié)和亮度信息為準(zhǔn)則，通過反射去噪網(wǎng)絡(luò)對(duì)拼接后的圖像進(jìn)行去噪和增強(qiáng)，輸出去噪增強(qiáng)圖像包括：

53、綜合殘差損失、一致性損失和光照一致性損失，構(gòu)建反射去噪網(wǎng)絡(luò)的損失函數(shù)，并通過反向傳播優(yōu)化反射去噪網(wǎng)絡(luò)的參數(shù)，以確保輸出圖像的細(xì)節(jié)與亮度信息得以保留；

54、將拼接后的圖像輸入優(yōu)化后的反射去噪網(wǎng)絡(luò)，并輸出去噪增強(qiáng)圖像；

55、其中，反射去噪網(wǎng)絡(luò)的損失函數(shù)為：

56、；

57、；

58、；

59、；

60、式中，ltotal表示反射去噪網(wǎng)絡(luò)的損失函數(shù)，lresidual表示殘差損失，lconsistency表示一致性損失，llight表示光照一致性損失；

61、表示輸出圖像，rclean表示理想干凈圖像；

62、表示估計(jì)光照成分，表示初步去噪后的圖像，▽表示梯度操作符。

63、本發(fā)明的有益效果為：

64、本發(fā)明的有益效果：

65、1、本發(fā)明將低光照?qǐng)D像去噪與增強(qiáng)的過程集成到一個(gè)統(tǒng)一的框架，通過聯(lián)合優(yōu)化去噪和亮度增強(qiáng)任務(wù)，解決了傳統(tǒng)方法中分步處理效率低下和細(xì)節(jié)丟失的問題，顯著提升了低光照?qǐng)D像的質(zhì)量。

66、2、提出了一種創(chuàng)新的離散去噪方案，通過去噪像素離散器和離散到連續(xù)轉(zhuǎn)換器，將去噪問題離散化并簡化處理流程，避免了傳統(tǒng)方法中預(yù)測卷積核和逆卷積的復(fù)雜操作，降低計(jì)算復(fù)雜度的同時(shí)，減少了對(duì)訓(xùn)練數(shù)據(jù)和噪聲分布的依賴，增強(qiáng)了去噪模型的泛化能力。

67、3、結(jié)合光照估計(jì)網(wǎng)絡(luò)和反射圖像增強(qiáng)模塊，準(zhǔn)確估計(jì)光照成分并優(yōu)化反射圖像，避免過曝或欠增強(qiáng)現(xiàn)象，適應(yīng)于多種低光照?qǐng)鼍啊?/p>