1.一种基于通道空间复合注意力的低照度图像增强方法,其特征在于:该方法是将图像输入到所构建的低照度图像增强网络中训练网络,将待增强的低照度图像输入到训练好的低照度图像增强网络模型中得到增强后的结果图像,所述低照度图像增强网络包括分解网络、光照调整网络和反射恢复网络,具体的,所述低照度图像增强方法包括如下步骤:步骤1:将低照度图像Slow和正常光照图像Snormal分别输入所述分解网络进行分解,低照度图像Slow对应的输出为反射图Rlow和照度分量L1,将照度分量L1通过引导滤波得到照度分量L2,将照度分量L1与照度分量L2逐元素相加,得到光照图Ilow;
步骤2:对步骤1中分解得到的反射图Rlow通过所述反射恢复网络进行去噪增强,得到增强后的反射图
步骤3:对步骤1中加权得到的光照图Ilow通过所述光照调整网络进行亮度增强,得到增强后的光照图
步骤4:将步骤2中增强后的反射图 和步骤3中增强后的光照图 逐元素相乘,得到增强后的图像
2.根据权利要求1所述的一种基于通道空间复合注意力的低照度图像增强方法,其特征在于:所述步骤1中,所述分解网络由6个卷积层和Sigmoid模块串联而成,其中第1层和第
6层为普通卷积层,用于提取图像中的特征,第2层至第5层为带有激活函数的卷积激活模块,用于过滤图像中与特征无关的区域,区分图像的高频区域和低频区域。
3.根据权利要求2所述的一种基于通道空间复合注意力的低照度图像增强方法,其特征在于:所述步骤1具体为:将低照度图像Slow和正常光照图像Snormal分别输入分解网络进行
6层卷积运算,最后采用Sigmoid函数对卷积结果进行处理,得到正常光照图像的反射图Rnormal和光照图Inormal,低照度图像的反射图Rlow和照度分量L1,将照度分量L1输入高斯滤波中,获得去噪后的引导图Sg,将照度分量L1通过由引导图Sg作为引导图像的引导滤波,得到照度分量L2,将照度分量L1与照度分量L2逐元素相加得到光照图Ilow,其中低照度图像Slow和正常光照图像Snormal输入分解网络后共享网络参数。
4.根据权利要求1所述的一种基于通道空间复合注意力的低照度图像增强方法,其特征在于:所述反射恢复网络由4个卷积激活块注意模块、1个带有LReLU激活函数的卷积激活模块、普通卷积层和Sigmoid函数串联而成,其中卷积激活块注意模块为2个带有LReLU激活函数的卷积激活模块串联1个卷积块注意力模块(CBAM),带有LReLU激活函数的卷积激活模块用于过滤图像中与特征无关的区域,关注图像中的噪声信息,卷积块注意力模块(CBAM)用于指导反射图Rlow去噪。
5.根据权利要求4所述的一种基于通道空间复合注意力的低照度图像增强方法,其特征在于:所述步骤2具体为:将步骤1中分解得到的反射图Rlow输入反射恢复网络进行14层卷积运算,最后采用Sigmoid函数对卷积结果进行处理,得到去噪增强后的反射图
6.根据权利要求1所述的一种基于通道空间复合注意力的低照度图像增强方法,其特征在于:所述光照调整网络包括一个下采样阶段和对应的上采样阶段、一个普通卷积层和Sigmoid函数串联而成,其中下采样阶段由2个带有LReLU激活函数的卷积激活模块、1个全局注意力模块(GAM)和1个带有LReLU激活函数的卷积激活模块串联组成,上采样阶段由1个带有LReLU激活函数的卷积激活模块,1个全局注意力模块(GAM)和2个带有LReLU激活函数的卷积激活模块串联组成,带有激活函数的卷积激活模块用于过滤图像中与特征无关的区域,关注图像中的亮度信息,全局注意力模块(GAM)用于指导光照图Ilow亮度调整,下采样阶段和上采样阶段通过1个全局注意力模块(GAM)相连,卷积层通过通道拼接实现层之间的跳跃连接,将下采样层引导到其对应的上采样层中。
7.根据权利要求1‑6任一项所述的一种基于通道空间复合注意力的低照度图像增强方法,其特征在于:所述低照度图像增强网络的损失函数为:L=ωcLc+ωdLd+ωrLr;
其中Lc、Ld和Lr分别为颜色角度损失函数、分解损失函数和重建损失函数,ωc、ωd和ωr为对应权重系数,其中Snormal为正常光照图像, 为增强后的低照度图像,(Snormal)p和 表示Snormal和 上点p对应的像素, 为(Snormal)p和 的颜色角度,||·||2为2范数;
Ld=||Rlow‑Rnormal||1;
其中Rlow为低照度图像的反射图,Rnormal为正常光照图像的反射图,根据Retinex理论反射图与光照图无关,所以反射图保持一致。
其中 为增强后的低照度图像,(Snormal)c和 为图像归一化后的值。