(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211463703.9 (22)申请日 2022.11.22 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 张旭东　刘颖群　邹渊　樊杰　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06T 5/00(2006.01) G06N 3/04(2006.01) (54)发明名称 基于改进的Zero-DCE网络的低照度图像增 强方法 (57)摘要 本发明涉及一种基于改进的Zero ‑DCE网络 的低照度图像增强方法， 属于低照度图像增强领 域。 该方法包括： 获取待增强图像； 将所述待增强 图像输入至改进的Zero ‑DCE网络中， 输 出增强后 的图像； 其中， 在传统Zero ‑DCE网络的结构之上， 取消了Zero ‑DCE网络中第七浅层特征层的8次迭 代步骤， 以卷积、 归一化、 激活的方式取而代之， 避免了迭代冗余的问题， 大大降低了计算量； 且 引入了残差网络作为残差模块， 作用于第四浅层 特征层、 第五浅层特征层以及第六浅层特征层， 从而能够更 大程度保留原有特 征。 权利要求书2页 说明书8页 附图3页 CN 115511754 A 2022.12.23 CN 115511754 A 1.一种基于改进的Zero ‑DCE网络的低照度图像增强方法， 其特 征在于， 包括： 获取待增强图像； 将所述待增强图像输入至改进的Zero ‑DCE网络中， 输出增强后的图像； 其中， 所述改进的Zero ‑DCE网络包括： 9层浅层特 征层； 第一浅层特征层至第六浅层特征层依次连接； 其中， 第二浅层特征层至第 四浅层特征 层中每一层浅层特征层均经过前一层浅层特征层卷积并利用relu函数激活后依次连接； 所 述第四浅层特征层、 第 五浅层特征层以及所述第六浅层特征层之间引入残差模块， 所述第 四浅层特征层、 第 五浅层特征层以及所述第六浅层特征层之间设为残差连接； 第三浅层特 征层与所述第四浅层特征层拼接后连接所述第四浅层特征层与所述第 五浅层特征层之间 的残差模块； 所述第二浅层特征层与所述第五浅层特征层拼接后连接所述第五浅层特征层 与所述第六浅层特 征层之间的残差模块； 所述残差模块 为残差网络； 取消第七浅层特征层的8次迭代过程， 以三 次卷积穿插三次激活层的方式， 在所述第一 浅层特征层以及所述第六浅层特征层拼接后且所述第七浅层特征层之前、 所述第五浅层特 征层与第九浅层特征层之间以及所述第六浅层特征层与第八浅层特征层之间增加激活模 块。 2.根据权利 要求1所述的低照度图像增强方法， 其特征在于， 所述改进的Zero ‑DCE网络 的损失函数包括空间一致性损失函数、 曝光损失函数、 颜色损失函数、 光照平滑度损失函数 以及结构平 滑度损失函数。 3.根据权利要求2所述的基于改进 的Zero‑DCE网络的低照度图像增强方法， 其特征在 于， 所述空间一 致性损失函数为： ； 其中， 为空间一致性损 失函数； K为局部区域的数量； 为以区域i为中心 的四个 相邻区域； j为相邻区域编号； Yi为原图局部区域i的颜色数值； Yij为原图局部区域i的邻域j 的颜色数值； Ii为增强后局部区域i的颜色数值； Iij为增强后局部区域i的邻域j 的颜色数 值。 4.根据权利要求3所述的基于改进 的Zero‑DCE网络的低照度图像增强方法， 其特征在 于， 所述曝光损失函数为： ； 其中， 为曝光损失函数； M为不重叠的局部区域数量； k为局部区域编号； Ek为所述增 强后的图像中局部区域 k的平均像素强度值； E为标准强度。 5.根据权利要求4所述的基于改进 的Zero‑DCE网络的低照度图像增强方法， 其特征在 于， 所述颜色损失函数为： ； 其中， 为颜色损失函数； Jp为颜色通道组合p的平均强度； Jq为颜色通道组合q的平均 强度； 为颜色通道组合 集合。权　利　要　求　书 1/2 页 2 CN 115511754 A 26.根据权利要求5所述的基于改进 的Zero‑DCE网络的低照度图像增强方法， 其特征在 于， 所述光照平滑度损失函数为： ； 其中， 为光照平滑度损失函数； 为水平方向的梯度操作； 为垂直方向的梯度操 作； A为三组加权系数。 7.根据权利要求6所述的基于改进 的Zero‑DCE网络的低照度图像增强方法， 其特征在 于， 所述结构平 滑度损失函数为： 其中， 为结构平滑度损失函数； λ为平衡系数； Out为输出的增强后的图像； 为计算 梯度。 8.根据权利要求1 ‑7任一项所述的基于改进的Zero ‑DCE网络的低照度图像增强方法， 其特征在于， 所述将所述待增强图像输入至改进的Z ero‑DCE网络中， 输出增强后的图像， 之 前还包括： 将待训练的图像随机划分为若干 批次， 且每 个批次包 含相同数量的图像； 利用所述若干批次 图像训练并优化所述改进的Zero ‑DCE网络， 直至计算得到的总损失 达到损失阈值或者迭代次数达到次数阈值， 停止训练并保存训练好的改进的Zero ‑DCE网 络。 9.一种电子设备， 其特征在于， 包括存储器及处理器， 所述存储器用于存储计算机程 序， 所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1 ‑8中任一项所述 的基于改进的Zero ‑DCE网络的低照度图像增强方法。 10.一种计算机可读存储介质， 其特征在于， 其存储有计算机程序， 所述计算机程序被 处理器执行时实现如权利要求1 ‑8中任一项 所述的基于改进的Z ero‑DCE网络的低照度图像 增强方法。权　利　要　求　书 2/2 页 3 CN 115511754 A 3