基于深度神经网络的低照度彩色偏振图像增强方法

摘要

本发明公开了一种基于深度神经网络的低照度彩色偏振图像增强方法，将充足曝光的清晰彩色偏振图像和低照度的彩色偏振图像构建成图像数据集；对图像数据集中每一幅偏振图像进行预处理；将图像数据集拆分为训练集、验证集和测试集；构建用于低照度彩色偏振图像增强的深度神经网络，具体为构建依序连接的浅层特征提取模块、残差‑密集连接模块和特征融合模块，设计该深度神经网络的损失函数；得到训练完成的深度神经网络训练模型；将测试集放到训练好的深度神经网络训练模型进行测试，输出最终的图像增强结果。本发明充分将多维度的偏振参量用于图像增强，在极低照度下显著地降低图像噪声，提高图像对比度，并恢复彩色图像原有的色彩。