(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 202210461162.X (22)申请日 2022.04.28 (71)申请人 中新国际联合研究院 地址 510000 广东省广州市知识城腾飞科 技园腾飞一 街2号1018室 (72)发明人 梁凌宇　何淇昌　许勇　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 李盛洪 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于暗通道的低光图像增强质量评价 方法 (57)摘要 本发明公开了一种基于暗通道的低光图像 增强质量评价方法， 步骤如下： 利用暗通道提取 模型得到低光增强图像和参考图像的暗通道； 利 用CNN神经网络对光照信息和结构信息进行特征 提取， 得到暗通道深度特征； 利用CNN神经网络对 低光增强图像和参考图像进行特征提取， 得到图 像的整体特征； 比较低光增强图像和参考图像的 暗通道和整体特征的相似度； 通过训练学习获得 最终的质量评分。 本发明针对低光图像增强质量 评价， 利用暗通道方法， 提取图像的暗通道信息， 相对于一般的图像质量评价方法， 本发明考虑了 图像光照信息， 能够取得更好的评价效果和评价 性能， 同时也能辅助提升 现有低光图像增强算法 的处理效果。 权利要求书2页 说明书4页 附图2页 CN 114841954 A 2022.08.02 CN 114841954 A 1.一种基于暗通道的低光图像增强质量评价方法， 其特征在于， 所述低光图像增强质 量评价方法包括以下步骤： 输入低光增强图像和参考图像， 通过暗通道提取模型得到低 光增强图像和参考图像的 暗通道； 利用CNN神经网络对所述低光增强图像和参考图像的暗通道进行特征提取， 分别得到 低光增强图像和参 考图像的暗通道深度特 征； 利用CNN神经网络对所述低光增强图像和参考图像进行特征提取， 分别得到低光增强 图像和参 考图像的整体特 征； 比较所述低光增强图像和参 考图像的暗通道深度特 征和整体特 征的相似度； 根据低光增强图像和参考图像的暗通道深度 特征和整体特征的相似度， 通过训练学习 获得最终的质量评分。 2.根据权利要求1所述的一种基于暗通道的低 光图像增强质量评价方法， 其特征在于， 所述暗通道提取模型表达式如下： 其中， Jdark()表示暗通道信息， JC()表示通道C的无雾图像， C表示R、 G、 B三通道中的一 个通道， x表示输入图像。 3.根据权利要求1所述的一种基于暗通道的低 光图像增强质量评价方法， 其特征在于， 所述CNN神经网络对低光增强图像和参 考图像的暗通道进行 特征提取， 过程如下： 通过VGGNetCNN神经网络分别计算出低光增强图像和参考图像的暗通道对应的深度特 征； 在VGGNetCNN神经网络中取其中5层隐藏卷积层的输出分别作为低光增强图像和参考 图像的暗通道对应的深度特 征； 通过VGGNetCNN神经网络分别得到低光增强图像和参 考图像的暗通道深度特 征各5个。 4.根据权利要求1所述的一种基于暗通道的低 光图像增强质量评价方法， 其特征在于， 所述CNN神经网络对低光增强图像和参 考图像进行 特征提取， 过程如下： 通过VGGNetCNN神经网络分别计算出低光增强图像和参 考图像对应的深度特 征； 在VGGNetCNN神经网络中取其中5层隐藏卷积层的输出分别作为低光增强图像和参考 图像的整体特 征； 通过VGGNetCNN神经网络分别得到低光增强图像和参 考图像的整体特 征各5个。 5.根据权利要求1所述的一种基于暗通道的低 光图像增强质量评价方法， 其特征在于， 所述低光增强图像和参 考图像的暗通道深度特 征和整体特 征的相似度的计算公式如下： 其中， i表示第i个特征， i＝1， 2， 3， 4， 5， 和 分别表示第i个暗通道深度特征和第 i个整体特征的相似度， 和 分别表示低光增强图像第i个暗通道深度特征和 第i个整权　利　要　求　书 1/2 页 2 CN 114841954 A 2体特征， 和 分别表示 参考图像第i个暗通道深度特 征和第i个整体特 征。 6.根据权利要求5所述的一种基于暗通道的低 光图像增强质量评价方法， 其特征在于， 根据暗通道深度特 征和整体特 征的相似度， 通过训练学习获得最终的质量评分方式为： S＝wdarkDdark+wIDI 其中， wdark和wI分别是通过训练学习得到的暗通道深度特征相似度和整体特征相似度 的评分权 重， Ddark和DI分别是暗通道深度特 征总体相似度和整体特 征总体相似度， 即： 权　利　要　求　书 2/2 页 3 CN 114841954 A 3