买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：桂林电子科技大学

摘要：本发明公开了一种基于偏振特征的低照度图像辉光效应抑制的方法。偏振提供了与强度无关的额外信息，可以用来有效地帮助图像去除大气中的散射光，利用估计的光源层作为导向，使网络注意力聚焦于光效区域，从而对光效进行去除，并在增强时针对性的增强暗区，抑制亮区。包括如下步骤：1制作合成数据源，建立学习图像集；2使用Stokes参数表示偏振光图像；3光源分解网络模块的构建；4大气偏振图像分解网络APID‑net的构建；5多输入注意力增强模块MIAE的构建；6对整个卷积神经网络进行构造与训练。这种方法能更好的抑制夜间图像的光效应辉光、眩光，在增强黑暗区域亮度的同时抑制强光区域的亮度增强。

主权项：1.一种基于偏振特征的低照度图像辉光效应抑制的方法，包括如下步骤：1制作合成数据源，建立学习图像集：1-1使用大气点扩散函数对低照度图像操作，将自己搜集的正常夜间光照图像集，合成为成对清洁-辉光数据集Syn-glow，再对数据集Syn-glow做人工偏振处理，得到合成的成对偏振清洁-辉光数据集Syn-polarization-glow。1-2GTA5是一个人工合成的夜间去雾辉光数据集，由GTA5游戏引擎生成。共包含864张成对图像，其中787张成对图像作为训练集，其余图像作为测试集。2使用Stokes参数表示偏振光，过程包括：2-1将所有无光效清洁低照度图像Clear-Images和光效低照度图像light-effects-Images进行预处理，缩放到统一的宽度和高度，256×256。2-2为了保持图像的偏振相关性，将同时获取的四幅偏振图像I0、I45、I90、I135打包成一个四维输入，根据Stokes参数得到高维合成图像S0。Stokes参数表达式具体为式1： 3搭建光源分解网络模块，见图2，过程包括：3-1将2-2中得到的高维合成图像S0送入光源提取模块中，用于提取干净的光源图，见图2。3-2获取光源掩膜图，具体为：3-2-1沿着图像的三个维度通道取最大值，设置一个阈值α，创建一个二值掩码图Bm，其中的非零元素表示原始图像中最亮的区域，估算光源占原图像的比例。3-2-2构建线性系统，求解线性系统得到纹理图T，见式2。T＝L+σEBm*σ23-2-3将求解得到的一维纹理图T重塑回与原始高维合成图像S0相同的三维尺寸，得到经过拉普拉斯纹理增强的掩膜图M，对掩膜图M和高维合成图像S0做像素乘法得到光源掩膜图像Is。见式3：Is＝M×Ic34构建大气偏振图像分解网络Atmosphericpolarisationimagedecompositionnetwork，APID-net，分解得到大气反射光图像J与大气透射率图T。APID-net包含两个分支，其中主分支包含六个卷积神经网络模块，副分支包含三个卷积神经网络模块，见图3。4-1构建APID-net主分支，包含六个卷积神经网络模块，见图3。4-2构建APID-net副分支，包含三个卷积神经网络模块，见图3。4-3在偏振视角下，相机接收到的总辐照度I由目标衰减反射光的辐照度D和大气部分偏振光的辐照度A组成。这种总辐照度可以具体表示为式4：I＝D+A＝Jx·Tx+A∞·[1-Tx]4Jx是大气反射光图像，Tx是大气透过率，A∞是对应于无穷大的大气光，本发明中使用3-2获取的光源掩膜图Is来改进，见式5：I＝Jx·Tx+Is5结合2-2得到的偏振下的高维合成图像S0，得到正向激励背景图像B，见式6： 4-4构建该部分的损失函数。包括初始化步骤的损失，见式7；颜色恒定先验损失，见式8；梯度排除损失，见式9。 5构建多输入注意力增强模块MIAE，见图4，包括下采样、残差网络、上采样和鉴别器部分：5-1将2-2得到的S0、3-2获得的Is和4-3获得的B线性拼接起来得到GS0，Is，B，G作为输入到注意力模块中的数据。5-2构建下采样模块，见图5。输入通道为64，输出通道为256，激活函数为ReLU，使用批量归一化和最大池化层。5-3构建残差网络，见图6。使用六个相同的残差块叠加。5-4构建上采样模块，见图7。输入通道为256，输出通道为64，激活函数为ReLU，使用批量归一化和最大池化层。5-5鉴别器模块构建，见图8。用一个不使用循环一致性损失的轻量级的GAN作为鉴别器网络。第一个卷积块，输入通道为3，输出通道为64；第二个卷积块输出通道为128；第三个卷积块输出通道为256；第四个卷积块输出通道为512；第五个卷积块输出通道为1。5-6计算图像特征保持损失，见式10。 5-7计算总损失，见式11。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 基于偏振特征的低照度图像辉光效应抑制的方法