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：柳州治业科技有限公司

摘要：本发明公开了一种超低照度全彩夜视成像方法，其首先通过CIS传感器获取视频图像数据，接着将视频图像数据采用深度学习卷积神经网络进行曝光融合处理，而且采用神经网络搜索对深度学习卷积神经网络进行优化，并且采用神经元剪枝进行裁减处理；然后将经过曝光融合处理后的图像数据进行降噪处理，具体是采用中值滤波与双边滤波相结合的方法；最后将经过降噪处理的视频图像数据采用生成对抗网络进行处理，将RAW图像数据作为输入层，输出层则生成对应的RGB图像数据并传输给显示设备。本发明针对低光夜视场景构建适合的深度神经网络和算法，实现从RAW数据到高质量RGB图像的重建，将超低照度夜视图像转换为清晰可辨的全彩色图像。

主权项：1.一种超低照度全彩夜视成像方法，其特征在于：包括以下步骤：1通过CIS传感器获取视频图像数据，接着将视频图像数据采用深度学习卷积神经网络进行曝光融合处理，所述深度学习卷积神经网络表示为：Imerged＝fCNNI1,I2,...,In，其中I1,I2,...,In是不同曝光设置下的输入图像，Imerged是融合后的输出图像，fCNN是卷积神经网络模型，所述卷积神经网络模型包括多个卷积层、池化层、激活函数ReLU和上采样层；所述深度学习卷积神经网络采用神经网络搜索进行优化，具体包括以下步骤：S11、定义搜索空间，所述搜索空间包括卷积层、最大池化层和全连接层，其中卷积层数为3～10，卷积核大小为3～5；S12、使用RNN构成的控制器基于梯度的方法来随机采样网络结构，接着对于每个选定的架构，在验证集上计算交叉熵损失函数： 其中yi是真实标签，是预测标签；S13、根据交叉熵损失函数的值，使用策略梯度方法更新控制器网络的权重，然后重复上述步骤，直到找到性能最佳的网络架构；S14、接着对经过S13步骤处理的深度学习卷积神经网络采用神经元剪枝进行裁减处理得到优化后的深度学习卷积神经网络；2将经过步骤1中所述曝光融合处理后的图像数据进行降噪处理，具体是采用中值滤波方法去除明显的脉冲噪声和椒盐噪声，然后再采用双边滤波方法进行降噪处理；3将经过步骤2中降噪处理的视频图像数据采用生成对抗网络进行处理，将RAW图像数据作为输入层，输出层则生成对应的RGB图像数据并传输给显示设备。

全文数据：

权利要求：

百度查询： 柳州治业科技有限公司 一种超低照度全彩夜视成像方法