本發(fā)明涉及偏振光學、圖像層分解技術、apsf輝光渲染技術和低光圖像注意力增強技術，基于偏振特征的低照度圖像輝光效應抑制的方法。

背景技術：

1、偏振光學是研究光波振動方向被限定在特定平面內的現(xiàn)象。在圖像處理領域，偏振技術利用光波的偏振特性，通過偏振濾波器來控制成像過程中的特定振動方向，能有效抑制非金屬表面的眩光和反射，增強圖像的對比度和細節(jié)清晰度，可用于增強圖像質量，在3d成像、遙感探測、醫(yī)學成像和計算機視覺中，偏振圖像處理技術可以顯著提升圖像質量，幫助突出特定特征，從而在圖像分析和解釋中提供更準確的信息。

2、圖像層分解技術是一種將復雜圖像分解為多個獨立層的方法，以便于單獨處理和分析。這種方法通常將圖像分為底層(平滑層)和細節(jié)層，底層包含圖像的主要結構和陰影，而細節(jié)層則包含邊緣、紋理和其他高頻信息。通過這種方式，可以在圖像編輯、增強和分析中實現(xiàn)更精細的控制，例如在去除噪聲、提高分辨率或進行特征提取時，只對特定層進行操作。

3、apsf(空間可變點擴散函數(shù))輝光渲染技術是一種圖像處理方法，用于模擬光源在圖像中的散射效果。該技術通過考慮光源的方向性和空間分布，創(chuàng)造出更加自然和真實的輝光效果。在渲染過程中，apsf使用一系列加權函數(shù)來調整圖像中每個像素的亮度，從而在物體邊緣周圍產生柔和的光暈。這種方法廣泛應用于計算機圖形學和視覺效果領域，增強視覺體驗，尤其在模擬復雜光照環(huán)境下的場景時效果顯著。

4、現(xiàn)有的低光圖像注意力增強技術主要是針對正常低光圖像場景進行設計，但是在實際場景中，由于輝光效應的存在，會使現(xiàn)有的低光圖像增強技術錯誤的以輝光區(qū)域為基準，造成圖像的光污染，導致圖像模糊和分辨不清等。

技術實現(xiàn)思路

1、本發(fā)明的目的是為了彌補現(xiàn)有的低光圖像增強技術的不足，提供了一種基于偏振特征的低照度圖像輝光效應抑制的方法。這種方法能對真實低光圖像中的光效應進行去除，并針對性的增強暗區(qū)、抑制亮區(qū)增強，讓增強后的低光圖像擁有更高的對比度，改善目標檢測、語義分割等下游任務的效果。

2、本發(fā)明包含以下主要步驟：

3、1.一種基于偏振特征的低照度圖像輝光效應抑制的方法，包括如下步驟：

4、(1)制作合成數(shù)據(jù)源，建立學習圖像集：

5、(1-1)使用大氣點擴散函數(shù)對正常夜間燈光圖像操作，將自己搜集的正常夜間光照圖像集，合成為成對清潔-輝光數(shù)據(jù)集syn-glow，再對數(shù)據(jù)集syn-glow做人工偏振處理，得到合成的成對偏振清潔-輝光數(shù)據(jù)集syn-polarization-glow。

6、(1-2)gta5是一個人工合成的夜間去霧輝光數(shù)據(jù)集，由gta5游戲引擎生成。共包含864張成對圖像，其中787張成對圖像作為訓練集，其余圖像作為測試集。

7、(2)使用stokes參數(shù)表示偏振光，過程包括：

8、(2-1)將所有無光效清潔夜間圖像clear-images和光效夜間圖像light-effects-images進行預處理，縮放到統(tǒng)一的寬度和高度，256×256；

9、(2-2)為了保持圖像的偏振相關性，將同時獲取的四幅偏振圖像(i0、i45、i90、i135)打包成一個四維輸入，根據(jù)stokes參數(shù)得到高維合成圖像s0。stokes參數(shù)表達式具體為式(1)：

10、

11、(3)搭建光源分解網(wǎng)絡模塊，見圖2，過程包括：

12、(3-1)將(2-2)中得到的高維合成圖像s0送入光源提取模塊中，見圖2，用于提取干凈的光源圖。

13、(3-2)獲取光源掩膜圖，具體為：

14、(3-2-1)沿著圖像的三個維度通道取最大值，設置一個閾值α，創(chuàng)建一個二值掩碼圖bm，其中的非零元素表示原始圖像中最亮的區(qū)域，估算光源占原圖像的比例。

15、(3-2-2)構建線性系統(tǒng)，求解線性系統(tǒng)得到紋理圖t，見式(2)。

16、t＝(l+σe)/(bm*σ)???????(2)

17、(3-2-3)將求解得到的一維紋理圖t重塑回與原始高維合成圖像s0相同的三維尺寸，得到經過拉普拉斯紋理增強的掩膜圖m，對掩膜圖m和高維合成圖像s0做像素乘法得到光源掩膜圖像is見式(3)：

18、is＝m×ic?????????(3)

19、(4)構建大氣偏振圖像分解網(wǎng)絡(atmospheric?polarisation?imagedecomposition?network，apid-net)，分解得到大氣反射光圖像j與大氣透射率圖t。apid-net包含兩個分支，其中主分支包含六個卷積神經網(wǎng)絡模塊，副分支包含三個卷積神經網(wǎng)絡模塊，見圖3。

20、(4-1)構建apid-net主分支，包含六個卷積神經網(wǎng)絡模塊，見圖3。

21、(4-2)構建apid-net副分支，包含三個卷積神經網(wǎng)絡模塊，見圖3。

22、(4-3)在偏振視角下，相機接收到的總輻照度i由目標衰減反射光的輻照度d和大氣部分偏振光的輻照度a組成。這種總輻照度可以具體表示為式(4)：

23、i＝d+a＝j(x)·t(x)+a∞·[1-t(x)]???(4)

24、j(x)是大氣反射光圖像，t(x)是大氣透過率，a∞是對應于無窮大的大氣光，本發(fā)明中使用3-2)獲取的光源掩膜圖is來改進，見式(5)：

25、i＝j(x)·t(x)+is???????(5)

26、結合2-2)得到的偏振下的高維合成圖像s0，得到正向激勵背景圖像b，見式(6)：

27、

28、(4-4)構建該部分的損失函數(shù)。包括初始化步驟的損失，見式(7)；顏色恒定先驗損失，見式(8)；梯度排除損失見式(9)。

29、

30、

31、

32、(5)構建多輸入注意力增強模塊(miae)，見圖4，包括下采樣、殘差網(wǎng)絡、上采樣和鑒別器部分：

33、(5-1)將2-2)得到的s0、(3-2)獲得的is和(4-3)獲得的b拼接起來得到g(s0，is，b)，g作為輸入到注意力模塊中的數(shù)據(jù)。

34、5-2)構建下采樣模塊，見圖5。輸入通道為64，輸出通道為256，激活函數(shù)為relu，使用批量歸一化和最大池化層。

35、(5-3)構建殘差網(wǎng)絡，見圖6。使用六個相同的殘差塊疊加。

36、(5-4)構建上采樣模塊，見圖7。輸入通道為256，輸出通道為64，激活函數(shù)為relu，使用批量歸一化和最大池化層。

37、(5-5)鑒別器模塊構建，見圖8。用一個不使用循環(huán)一致性損失的輕量級的gan作為鑒別器網(wǎng)絡。第一個卷積塊，輸入通道為3，輸出通道為64；第二個卷積塊輸出通道為128；第三個卷積塊輸出通道為256；第四個卷積塊輸出通道為512；第五個卷積塊輸出通道為1。

38、(5-6)計算圖像特征保持損失，見式(10)。

39、

40、(5-7)計算總損失，見式(11)。

41、

42、2.根據(jù)權利要求書1所述的基于偏振特征的低照度圖像輝光效應抑制的方法，其特征在于利用偏振效應解決低光增強中光效應導致增強后圖像出現(xiàn)光污染、輝光效應的問題。首先，本發(fā)明用stokes參數(shù)把同一圖像的4d偏振圖像表示成一張充滿偏振光信息的高維合成圖像；其次，求解構建的線性系統(tǒng)獲得干凈的光源圖；然后，使用層分解網(wǎng)絡將高維合成圖像s0分解為大氣反射光圖像j與大氣透射率圖t；最后，使用大氣散射的基本物理模型合成多輸入注意力增強模塊(miae)所需的多維圖像輸入，該輸入經過miae中的下采樣、殘差連接、上采樣、鑒別器模塊后，會輸出一張抑制了光效應的夜間低光增強圖像。