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：武汉纺织大学

摘要：本发明公开了一种基于多光谱图像重建的低照度增强方法和系统。首先收集现有公开的低照度正常照度图像数据集；然后计算每幅正常照度图像对应的正常照度多光谱图像；随后划分训练样本集和验证样本集，并以正常照度多光谱图像与其低照度图像为基础，构成包含成对数据的完整样本集；构建深度学习光谱重建模型框架，并使用数据样本得到损失函数结果对模型参数进行调整，监测训练集与验证样本集的光谱重建误差，直至训练集与验证集光谱重建误差达到收敛状态，得到低照度增强多光谱重建模型；利用低照度增强多光谱重建模型对低照度图像进行光谱重建，得到正常照度多光谱图像，并利用色度学理论计算正常照度多光谱图像对应正常照度彩色图像。

主权项：1.一种基于多光谱图像重建的低照度增强方法，其特征在于，包括以下步骤：步骤1，收集现有公开的低照度正常照度图像数据集；步骤2，以成像物理模型为基础，计算每幅正常照度图像对应的正常照度多光谱图像；步骤3，将完整样本集按照M:N的比例，分为训练样本集和验证样本集；步骤4，以正常照度多光谱图像与其低照度图像为基础，构成包含成对数据的完整样本集；步骤5，构建深度学习光谱重建模型框架；具体如下：利用RGB值与其相对应的多光谱辐射之间存在的相关性，使用基于学习的方法直接对RGB和多光谱图像之间的映射关系进行建模，设给定一副RGB图像及其对应的多光谱图像，那么RGB到多光谱图像之间的映射方法描述如下： （2）；式（1）中假设已知RGB空间到光谱空间的映射模型f·，即实现对RGB图像d的特征提取与特征选择运算，便可以实现到光谱信息r的计算，给定任意RGB图像d，均能重建得到其对应光谱图像r；首先利用一层包括16个输出通道在内的卷积层对输入数据提取浅层特征；然后利用七层包括16个输出通道卷积在内的密集连接网络提取深层次特征图像，其公式示意如下： （3）；式（3）中xl表示密集连接网络的第l层的输出，Fl·表示l层的非线性映射，[x0,x1,…,xl-1]表示将0～l-1层输出的特征图合并；最后利用混合注意力机制与三层包括128,64与31个输出通道在内的卷积层对所提取特征图像重建为31维多光谱图像；模型中每层卷积均采用Relu激活函数其公式描述如下： （4）；模型中在三层包括128、64与31个输出通道在内的卷积之间插入混合注意力机制，其公式描述如下： （5）； （6）；其中x为输入，δ表示Sigmoid激活函数；MLP表示多层感知机，f表示卷积，表示平均池化，表示最大池化，通道注意力特征输出为C，空间注意力特征输出为S；步骤6，使用数据样本得到损失函数结果对模型参数进行调整；步骤7，监测训练集与验证样本集的光谱重建误差，直至训练集与验证集光谱重建误差达到收敛状态，得到低照度增强多光谱重建模型；步骤8，利用低照度增强多光谱重建模型对低照度图像进行光谱重建，得到低照度图像对应的正常照度多光谱图像；步骤9，利用色度学理论计算正常照度多光谱图像对应正常照度彩色图像；步骤9中，正常照度多光谱图像对应的正常照度图像颜色计算过程如下：使用CIE1964颜色匹配函数和CIED65光源转换为CIEXYZ三刺激值，然后将CIEXYZ转换到sRGB标准颜色空间，如公式（11）-（12）所示： （11）； （12）；rλ为物体的光谱反射率，sλ为光谱功率分布，xλyλzλ是CIE标准观察者匹配函数，dλ表示波长间隔，λ为波长，XYZ为CIEXYZ三刺激值，RGB为对应sRGB颜色空间的颜色值。

全文数据：

权利要求：

百度查询： 武汉纺织大学 一种基于多光谱图像重建的低照度增强方法和系统