夜视图像增强方法及相关装置与流程

1.本技术涉及图像处理技术领域，尤其涉及一种夜视图像增强方法、装置、电子设备、计算机可读存储介质以及夜视装置。


背景技术：

2.当前对于黑暗中视物的需求，存在不同种类的夜视仪。例如，存在一种夜视仪，其是以像增强器为核心器件的夜间外瞄准具，在工作时不用红外探照灯照明目标，而利用微弱光照下目标所反射的光线通过像增强器在荧光屏上增强人眼所感受的可见图像，从而观察和瞄准目标。
3.另外，还存在红外夜视仪，其是利用光电转换技术的夜视仪器，分为主动式和被动式两种。主动式红外夜视仪利用红外光探照灯照射目标，并接收反射的红外辐射，从而形成图像；被动式红外夜视仪不发射红外线，而是依靠目标自身的红外辐射形成“热图像”，因此也被称为“热像仪”。
4.然而，上述夜视仪获取的图像并不理想，主要存在如下两个问题：
5.1.图像模糊，噪点多，且清晰度低。
6.2.红外图像的视觉效果差。


技术实现要素：

7.本技术的目的在于提供一种能够增强夜视图像质量的夜视图像增强方法、装置、电子设备及存储介质。
8.本发明的目的还在于提供一种能够实现高清夜视的夜视装置。
9.本技术的目的采用以下技术方案实现：
10.第一方面，本技术提供了一种夜视图像增强方法，包括如下步骤：
11.获取第一图像和第二图像；其中，所述第一图像和所述第二图像是分别利用普通摄像头和红外摄像头拍摄同一场景获得的图像；
12.利用训练好的红外图像着色模型基于所述第一图像和所述第二图像得到第三图像；以及
13.利用训练好的图像增强模型对所述第三图像进行增强，得到高清彩色图。
14.该技术方案的有益效果在于：基于利用普通摄像头拍摄的模糊暗光彩色图像和利用红外摄像头拍摄的红外图像，能够得到与利用普通摄像头拍摄的图像和利用红外摄像头拍摄的图像对应的高清彩色图，能够对在夜间获取的质量不理想的图像进行增强，得到彩色的高清夜视像。
15.在上述夜视图像增强方法中，可以是，所述红外图像着色模型通过如下步骤训练得到：
16.获取第一训练数据集，所述第一训练数据集包括：夜间红外图像数据集、夜间彩色图像数据集以及昼间彩色图像数据集；
17.将夜间红外图像数据集中的每一夜间红外图像以及夜间彩色图像数据集中与所述夜间红外图像对应的夜间彩色图像输入所述红外图像着色模型，得到红外着色后的图像；
18.根据每一所述红外着色后的图像以及所述昼间彩色图像数据集中与所述红外着色后的图像对应的昼间彩色图像，计算所述红外图像着色模型的损失值；以及
19.若所述损失值大于预设损失值阈值，则调整所述红外图像着色模型的参数，并重新进行训练；若所述损失值不大于预设损失值阈值，则将当前的红外图像着色模型确定为训练好的红外图像着色模型。
20.该技术方案的有益效果在于：能够得到可靠的训练好的红外图像着色模型，从而能够基于由普通摄像头获取的模糊暗光彩色图像(第一图像)和由红外摄像头获取的红外图像(第二图像)利用训练好的红外图像着色模型得到第三图像(明亮色彩的彩色图像)。
21.在上述夜视图像增强方法中，可以是，所述获取第一训练数据集的过程如下：
22.对于同一场景，
23.利用红外摄像头在夜间进行拍摄，从而得到所述夜间红外图像数据集，
24.利用高清摄像头在夜间进行拍摄，从而得到所述夜间彩色图像数据集，
25.利用高清摄像头在昼间进行拍摄，从而得到所述昼间彩色图像数据集。
26.该技术方案的有益效果在于：可以容易地获得对红外图像着色模型进行训练的红外图像和彩色图像数据集。
27.在上述夜视图像增强方法中，可以是，所述图像增强模型通过以下步骤训练得到：
28.获取第二训练数据集，所述第二训练数据集包括：高清图像数据集以及低清图像数据集；
29.将所述低清图像数据集中的每一低清图像输入所述图像增强模型，得到模型增强后的高清图像；
30.根据每一所述模型增强后的高清图像与所述高清图像数据集中与所述模型增强后的高清图像对应的高清图像，计算所述图像增强模型的损失值；以及
31.若所述损失值大于预设损失值阈值，则调整所述图像增强模型的参数，并重新进行训练；若所述损失值不大于预设损失值阈值，则将当前的图像增强模型确定为训练好的图像增强模型。
32.该技术方案的有益效果在于：能够得到可靠的训练好的图像增强模型，从而能够基于由训练好的红外图像着色模型得到的第三图像(明亮色彩的彩色图像)利用训练好的图像增强模型得到高清彩色图。
33.在上述夜视图像增强方法中，可以是，所述获取第二训练数据集的过程如下：
34.对于同一场景，
35.利用高清摄像头进行拍摄，得到所述高清图像数据集，
36.利用低清摄像头进行拍摄，得到所述低清图像数据集。
37.该技术方案的有益效果在于：可以方便地获取图像增强数据集。
38.在上述夜视图像增强方法中，也可以是，所述获取第二训练数据集的过程如下：
39.利用高清摄像头进行拍摄，得到所述高清图像数据集，
40.对所述高清图像数据集中的高清图像进行处理，得到所述低清图像数据集。
41.该技术方案的有益效果在于：可以仅利用一个高清摄像头就获取足以用于训练图像增强模型的图像增强数据集。
42.第二方面，本发明提供一种夜视图像增强装置，具有：
43.图像获取单元，用于获取第一图像和第二图像；其中，所述第一图像和所述第二图像是分别利用普通摄像头和红外摄像头拍摄同一场景获得的图像；
44.红外图像着色单元，用于利用训练好的红外图像着色模型基于所述第一图像和所述第二图像得到第三图像；以及
45.图像增强单元，用于利用训练好的图像增强模型对所述第三图像进行增强，得到高清彩色图。
46.该技术方案的有益效果在于：基于利用普通摄像头拍摄的模糊暗光彩色图像和利用红外摄像头拍摄的红外图像，能够得到与利用普通摄像头拍摄的图像和利用红外摄像头拍摄的图像对应的高清彩色图，能够对在夜间获取的质量不理想的图像进行增强，得到彩色的高清夜视像。
47.在上述夜视图像增强装置中，可以是，所述红外图像着色模型通过如下步骤训练得到：
48.获取第一训练数据集，所述第一训练数据集包括：夜间红外图像数据集、夜间彩色图像数据集以及昼间彩色图像数据集；
49.将夜间红外图像数据集中的每一夜间红外图像以及夜间彩色图像数据集中与所述夜间红外图像对应的夜间彩色图像输入所述红外图像着色模型，得到红外着色后的图像；
50.根据每一所述红外着色后的图像以及所述昼间彩色图像数据集中与所述红外着色后的图像对应的昼间彩色图像，计算所述红外图像着色模型的损失值；以及
51.若所述损失值大于预设损失值阈值，则调整所述红外图像着色模型的参数，并重新进行训练；若所述损失值不大于预设损失值阈值，则将当前的红外图像着色模型确定为训练好的红外图像着色模型。
52.在上述夜视图像增强装置中，可以是，所述获取第一训练数据集的过程如下：
53.对于同一场景，
54.利用红外摄像头在夜间进行拍摄，从而得到所述夜间红外图像数据集，
55.利用高清摄像头在夜间进行拍摄，从而得到所述夜间彩色图像数据集，
56.利用高清摄像头在昼间进行拍摄，从而得到所述昼间彩色图像数据集。
57.在上述夜视图像增强装置中，可以是，所述图像增强模型通过以下步骤训练得到：
58.获取第二训练数据集，所述第二训练数据集包括：高清图像数据集以及低清图像数据集；
59.将所述低清图像数据集中的每一低清图像输入所述图像增强模型，得到模型增强后的高清图像；
60.根据每一所述模型增强后的高清图像与所述高清图像数据集中与所述模型增强后的高清图像对应的高清图像，计算所述图像增强模型的损失值；以及
61.若所述损失值大于预设损失值阈值，则调整所述图像增强模型的参数，并重新进行训练；若所述损失值不大于预设损失值阈值，则将当前的图像增强模型确定为训练好的
图像增强模型。
62.在上述夜视图像增强装置中，可以是，所述获取第二训练数据集的过程如下：
63.对于同一场景，
64.利用高清摄像头进行拍摄，得到所述高清图像数据集，
65.利用低清摄像头进行拍摄，得到所述低清图像数据集。
66.在上述夜视图像增强装置中，也可以是，所述获取第二训练数据集的过程如下：
67.利用高清摄像头进行拍摄，得到所述高清图像数据集，
68.对所述高清图像数据集中的高清图像进行处理，得到所述低清图像数据集。
69.第三方面，本技术提供了一种夜视装置，具有：
70.镜头模块，所述镜头模块包括用于获取第一图像的高清摄像头和用于获取第二图像的红外摄像头；
71.ai芯片，所述ai芯片导入有红外图像着色模型和图像增强模型，并对所述第一图像和所述第二图像进行处理，得到高清彩色图；以及
72.led屏幕，所述led屏幕用于显示所述高清彩色图。
73.该技术方案的有益效果在于：提供了一种能够实现高清夜视的夜视装置，该夜视装置带有高清摄像头、红外摄像头、ai芯片和led高清屏幕，且在ai芯片中内置有红外图像着色模型和图像增强模型。在夜间，能够利用ai芯片内置的模型基于高清摄像头获取的模糊暗光彩色图像和红外摄像头获取的红外图像得到高清的彩色夜间图，并能够显示在led屏幕上。
74.第四方面，本技术提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
75.第五方面，本技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤。
附图说明
76.下面结合附图和实施例对本技术进一步说明。
77.图1是本技术实施例提供的一种夜视图像增强方法的流程示意图；
78.图2是本技术实施例提供的一种夜视图像增强装置的结构示意图；
79.图3是本技术实施例提供的一种夜视装置的主视图；
80.图4是本技术实施例提供的一种夜视装置的侧视图；
81.图5是本技术实施例提供的夜视装置的ai芯片的构建方式示意图；
82.图6是本技术实施例中图像增强数据集的获取方法示意图；
83.图7是本技术实施例中红外图像和彩色图像数据集的获取方法示意图；
84.图8是本技术实施例中图像增强模型搭建训练的过程示意图；
85.图9是本技术实施例中红外图像着色模型搭建训练的过程示意图；
86.图10是将图像增强模型和红外图像着色模型导入ai芯片的示意图；
87.图11是本技术实施例提供的一种电子设备的结构示意图；
88.图12是本技术实施例提供的一种用于实现夜视图像增强方法的程序产品的结构
示意图。
具体实施方式
89.下面，结合附图以及具体实施方式，对本技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
90.如图1所示，本发明的一个实施例提供一种夜视图像增强方法，主要包括如下步骤：
91.步骤s1：获取第一图像和第二图像；其中，所述第一图像和所述第二图像是分别利用普通摄像头和红外摄像头拍摄同一场景获得的图像；
92.步骤s2：利用训练好的红外图像着色模型基于第一图像和第二图像得到第三图像；以及
93.步骤s3：利用训练好的图像增强模型对第三图像进行增强，得到高清彩色图。
94.根据本实施例提供的夜视图像增强方法，能够对在夜间获取的质量不理想的图像(第一图像和第二图像)进行增强，得到彩色的高清夜视像。
95.下面，对本实施例的夜视图像增强方法的具体步骤进行说明。
96.在步骤s1中，获取利用普通摄像头拍摄的第一图像，并且获取利用红外摄像头拍摄的第二图像，第一图像与第二图像拍摄的场景相同。
97.在本实施例中，获取了第一图像和第二图像。本实施例是对夜视图像进行增强的方法，因此，可以理解，第一图像和第二图像都是在夜间拍摄的图像(夜视图像)。为了基于第一图像和第二图像得到第三图像，第一图像和第二图像所拍摄的场景相同。即，拍摄第一图像的普通摄像头和拍摄第二图像的红外摄像头拍摄的场景相同。
98.在本步骤中，由于第一图像是由普通摄像头在夜间拍摄得到，所以第一图像是模糊暗光彩色图像。另外，由于第二图像是由红外摄像头在夜间拍摄得到，因此第二图像是红外图像。
99.需要说明的是，本实施例所述的普通摄像头，指的是区别于红外摄像头的摄像头，优选为高清摄像头。
100.在步骤s2中，利用训练好的红外图像着色模型基于第一图像和第二图像得到第三图像。
101.首先对红外图像着色模型进行说明。
102.训练好的红外图像着色模型通过以下步骤得到：
103.s21：获取第一训练数据集，该第一训练数据集包括：夜间红外图像数据集、夜间彩色图像数据集以及昼间彩色图像数据集；
104.s22：将夜间红外图像数据集中的每一夜间红外图像以及夜间彩色图像数据集中与该夜间红外图像对应的夜间彩色图像输入所述红外图像着色模型，得到红外着色后的图像；
105.s23：根据每一所述红外着色后的图像以及昼间彩色图像数据集中与该红外着色后的图像对应的昼间彩色图像，计算红外图像着色模型的损失值；以及
106.s24：若损失值大于预设损失值阈值，则调整红外图像着色模型的参数，并重新进
行训练；若损失值不大于预设损失值阈值，则将当前的红外图像着色模型确定为训练好的红外图像着色模型。
107.下面对上述步骤s21-s24进行说明。
108.在步骤s21中，获取第一训练数据集，该第一训练数据集是红外图像和彩色图像数据集，包括：夜间红外图像数据集、夜间彩色图像数据集以及昼间彩色图像数据集。
109.具体地，所述获取第一训练数据集的过程可以如下：对于同一场景，利用红外摄像头在夜间进行拍摄，从而得到夜间红外图像数据集，利用高清摄像头在夜间进行拍摄，从而得到夜间彩色图像数据集，利用高清摄像头在昼间进行拍摄，从而得到昼间彩色图像数据集。这里所说的“对于同一场景”是指红外摄像头和高清摄像头拍摄的图像的场景相同。
110.此外，本发明说明书和权利要求书所记载的“图像数据集”是指由多幅图像构成的数据集。即，夜间红外图像数据集是包含多幅夜间红外图像的数据集，夜间彩色图像数据集是包含多幅夜间彩色图像的数据集，昼间彩色图像数据集是包含多幅昼间彩色图像的数据集。
111.在本说明书和附图中，对于利用摄像头得到图像数据集的方式，是利用摄像头拍摄视频，然后对视频进行拆帧，从而得到多幅图像。然而，当然也可以直接以拍摄图像的方式获取图像数据集。
112.在步骤s22中，将夜间红外图像数据集中的每一夜间红外图像以及夜间彩色图像数据集中与该夜间红外图像对应的夜间彩色图像输入所述红外图像着色模型，得到红外着色后的图像。
113.如上所述，夜间红外图像数据集中包含多幅夜间红外图像，夜间彩色图像数据集中包含多幅夜间彩色图像。在步骤s22中，“夜间彩色图像数据集中与该夜间红外图像对应的夜间彩色图像”是指与在拍摄该帧夜间红外图像的时刻同时拍摄得到的夜间彩色图像。当然，若场景中不含移动物体，则即使不是同时拍摄的图像，也可以在步骤s22中使用。
114.在以下的说明中，若没有特别说明，则“对应”意味这两幅图像是在同一时刻拍摄得到的图像。或者说，“对应”指的是两幅图像中的场景完全相同。
115.在步骤s23中，根据每一所述红外着色后的图像以及昼间彩色图像数据集中与红外着色后的图像对应的昼间彩色图像，计算所述红外图像着色模型的损失值。
116.步骤s23中的“与红外着色后的图像对应”指的是与作为红外着色后的图像的源图像的第一图像和第二图像对应。
117.在步骤s24中，若上述损失值大于预设损失值阈值，则调整红外图像着色模型的参数，并重新进行训练；若所述损失值不大于预设损失值阈值，则将当前的红外图像着色模型确定为训练好的红外图像着色模型。
118.通过上述步骤s24，可得到训练好的红外图像着色模型。
119.基于通过上述步骤s1获取的第一图像和第二图像，利用经过上述步骤s21-24训练得到的红外图像着色模型，能够得到第三图像，该第三图像是具有明亮色彩的彩色图。
120.在步骤s3中：利用训练好的图像增强模型对第三图像进行增强，得到高清彩色图。
121.下面，首先对图像增强模型进行说明。
122.图像增强模型通过以下步骤训练得到。
123.步骤s31：获取第二训练数据集，第二训练数据集包括：高清图像数据集以及低清
图像数据集；
124.步骤s32：将低清图像数据集中的每一低清图像输入所述图像增强模型，得到模型增强后的高清图像；
125.步骤s33：根据每一模型增强后的高清图像与高清图像数据集中与模型增强后的高清图像对应的高清图像，计算图像增强模型的损失值；以及
126.步骤s34：若损失值大于预设损失值阈值，则调整图像增强模型的参数，并重新进行训练；若损失值不大于预设损失值阈值，则将当前的图像增强模型确定为训练好的图像增强模型。
127.下面，对步骤s31-s34进行说明。
128.步骤s31中，获取第二训练数据集，该第二训练数据集是图像增强数据集，包括：高清图像数据集以及低清图像数据集。
129.在本实施例中，所述获取第二训练数据集的过程可以如下：利用高清摄像头进行拍摄，得到高清图像数据集，并且利用低清摄像头进行拍摄，得到所述低清图像数据集。高清摄像头和低清摄像头对同一场景进行拍摄，即高清图像数据集中包含的高清图像和低清图像数据集中包含的低清图像是同一场景的图像。
130.但是，本发明所述获取第二训练数据集的过程也可以如下：是通过利用高清摄像头拍摄而得到高清图像数据集，再对利用高清摄像头拍摄而得的图像即高清图像数据集中的高清图像进行处理而得到低清图像数据集。上述处理例如可以包括降采样、加模糊、加噪声、压缩等。
131.步骤s32中，将所述低清图像数据集中的每一低清图像输入图像增强模型，得到模型增强后的高清图像。
132.步骤s33中，根据每一模型增强后的高清图像与高清图像数据集中与模型增强后的高清图像对应的高清图像，计算图像增强模型的损失值。
133.这里，在高清图像数据集和低清图像数据集分别利用高清摄像头和低清摄像头进行拍摄而得到的情况下，“高清图像数据集中与模型增强后的高清图像对应的高清图像”指的是在拍摄得到低清图像的同时利用高清摄像头所拍摄的高清图像。
134.在低清图像数据集由对高清图像数据集中的高清图像进行处理而得到的情况下，“高清图像数据集中与模型增强后的高清图像对应的高清图像”指的是低清图像的源图像，即经处理而得到该低清图像的高清图像。
135.步骤s34中，若损失值大于预设损失值阈值，则调整图像增强模型的参数，并重新进行训练；若损失值不大于预设损失值阈值，则将当前的图像增强模型确定为训练好的图像增强模型。
136.通过步骤s31-s34，能够得到训练好的图像增强模型，能够对低清图像进行增强，得到相应的高清图像。
137.在本技术实施例的步骤s3中，利用通过上述步骤s31-s34的步骤训练而成的图像增强模型对通过步骤s2得到的第三图像进行增强，从而能够得到高清彩色图。
138.上述高清彩色图是与夜视图像(第一图像和第二图像)对应的高清彩色图。即通过本发明的夜视图像增强方法，基于利用普通摄像头拍摄的模糊暗光彩色图像和利用红外摄像头拍摄的红外图像，能够得到与利用普通摄像头拍摄的图像和利用红外摄像头拍摄的图
像对应的高清彩色图。本发明的夜视图像增强方法不同于以往的夜视图像增强方法，以往的夜视增强方法虽然增强图像质量，但是由于夜视图本身色彩的原因，增强的质量不好。与之相对，通过本发明所涉及的夜视图像增强方法，可以得到彩色的高清夜视图。
139.如图2所示，本发明的另一实施例提供一种夜视图像增强装置，具有：
140.图像获取单元1，该图像获取单元1用于获取第一图像和第二图像；其中，所述第一图像和所述第二图像是分别利用普通摄像头和红外摄像头拍摄同一场景获得的图像；
141.红外图像着色单元2，该红外图像着色单元2用于利用训练好的红外图像着色模型基于第一图像和第二图像得到第三图像；以及
142.图像增强单元3，该图像增强单元3用于利用训练好的图像增强模型对第三图像进行增强，得到高清彩色图。
143.通过本发明的夜视图像增强装置，基于利用普通摄像头拍摄的模糊暗光彩色图像和利用红外摄像头拍摄的红外图像，能够得到与利用普通摄像头拍摄的图像和利用红外摄像头拍摄的图像对应的高清彩色图，能够对在夜间获取的质量不理想的图像进行增强，得到彩色的高清夜视像。
144.在上述夜视图像增强装置中，可以是，红外图像着色模型通过如下步骤训练得到：
145.获取第一训练数据集，第一训练数据集包括：夜间红外图像数据集、夜间彩色图像数据集以及昼间彩色图像数据集；
146.将夜间红外图像数据集中的每一夜间红外图像以及夜间彩色图像数据集中与夜间红外图像对应的夜间彩色图像输入红外图像着色模型，得到红外着色后的图像；
147.根据每一红外着色后的图像以及昼间彩色图像数据集中与红外着色后的图像对应的昼间彩色图像，计算红外图像着色模型的损失值；以及
148.若损失值大于预设损失值阈值，则调整红外图像着色模型的参数，并重新进行训练；若损失值不大于预设损失值阈值，则将当前的红外图像着色模型确定为训练好的红外图像着色模型。
149.在上述夜视图像增强装置中，可以是，所述获取第一训练数据集的过程如下：
150.对于同一场景，
151.利用红外摄像头在夜间进行拍摄，从而得到夜间红外图像数据集，
152.利用高清摄像头在夜间进行拍摄，从而得到夜间彩色图像数据集，
153.利用高清摄像头在昼间进行拍摄，从而得到昼间彩色图像数据集。
154.在上述夜视图像增强装置中，可以是，图像增强模型通过以下步骤训练得到：
155.获取第二训练数据集，第二训练数据集包括：高清图像数据集以及低清图像数据集；
156.将低清图像数据集中的每一低清图像输入图像增强模型，得到模型增强后的高清图像；
157.根据每一模型增强后的高清图像与高清图像数据集中与模型增强后的高清图像对应的高清图像，计算图像增强模型的损失值；以及
158.若损失值大于预设损失值阈值，则调整图像增强模型的参数，并重新进行训练；若损失值不大于预设损失值阈值，则将当前的图像增强模型确定为训练好的图像增强模型。
159.在上述夜视图像增强装置中，可以是，所述获取第二训练数据集的过程如下：
160.对于同一场景，
161.利用高清摄像头进行拍摄，得到高清图像数据集，
162.利用低清摄像头进行拍摄，得到低清图像数据集。
163.在上述夜视图像增强装置中，也可以是，所述获取第二训练数据集的过程如下：
164.利用高清摄像头进行拍摄，得到高清图像数据集，
165.对高清图像数据集中的高清图像进行处理，得到低清图像数据集。
166.如图3和图4所示，本发明的另一实施例还提供一种夜视装置，具有：
167.镜头模块101，该镜头模块101包括用于获取第一图像的高清摄像头102和用于获取第二图像的红外摄像头103；
168.ai芯片103，该ai芯片103导入有红外图像着色模型和图像增强模型，并对第一图像和第二图像进行处理，得到高清彩色图；以及
169.led屏幕104，该led屏幕104用于显示由ai芯片得到的高清彩色图。
170.如图5和图10所示，本实施例的夜视装置的ai芯片103中，导入有红外图像着色模型和图像增强模型。
171.在该实施例中，在数据收集步骤中收集第一数据集(红外图像和彩色图像数据集)和第二数据集(图像增强数据集)，用于在模型搭建训练步骤中训练红外图像着色模型和图像增强模型，并在模型部署步骤中将图像增强模型和红外图像着色模型导入ai芯片。
172.下面具体描述本实施例的数据收集步骤、模型搭建训练步骤和模型部署步骤。
173.数据收集步骤中，收集的数据包括两个部分，分别是第一训练数据集(红外图像和彩色图像数据集)和第二训练数据集(图像增强数据集)。
174.关于本实施例的图像增强数据集的获取方法，如图6所示，包括以下步骤：
175.1)准备低清摄像头和高清摄像头；
176.2)利用低清摄像头和高清摄像头分别在相同的场景录制视频；
177.3)制作图像增强数据集，图像增强数据集分为两个部分，分别是高清图像数据集和低清图像数据集；高清图像数据集中的高清图像直接采用高清摄像头录制的视频拆帧得到；低清图像数据集中的低清图像由低清摄像头拍摄得到且包括对由高清摄像头得到的高清图像进行处理(降采样、加模糊、加噪声、压缩)而获得模糊低清图、噪声低清图以及压缩低清图。即，在本实施方式中，低清图像数据集中既包括由低清摄像头拍摄得到的低清图像，也包括对由高清摄像头拍摄得到的高清图像进行处理而得到的图像。
178.关于本实施例的红外图像和彩色图像数据集获取方法，如图7所示，包括以下步骤：
179.1)准备红外摄像头和高清摄像头；
180.2)利用红外摄像头和高清摄像头分别在昼间和夜间对同一场景录制视频，获取夜间红外图像、夜间彩色图像、昼间彩色图像；
181.3)制作红外图像和彩色图像数据集，数据集分为三个部分，分别是夜间红外图像数据集、夜间彩色数据集和昼间彩色数据集。
182.模型搭建训练中，分别搭建训练图像增强模型和红外图像着色模型。
183.图像增强模型搭建训练的过程如图8所示。
184.将低清图像输入图像增强模型，得到模型增强后的高清图像，将模型增强后的高
清图像和对应的高清图像输入判别模型，判断图像增强模型的损失值是否大于预设损失值阈值，若损失值大于预设损失值阈值，则调整图像增强模型的参数，并重新进行训练；若损失值不大于预设损失值阈值，则将当前的图像增强模型确定为训练好的图像增强模型。
185.红外图像着色模型搭建训练的过程如图9所示。
186.基于夜间红外图像和夜间彩色图像通过红外图像着色模型得到红外着色后的图像，将红外着色后的图像和对应的昼间彩色图像输入判别模型，判断红外图像着色模型的损失值是否大于预设损失值阈值。若损失值大于预设损失值阈值，则调整红外图像着色模型的参数，并重新进行训练；若损失值不大于预设损失值阈值，则将当前的红外图像着色模型确定为训练好的红外图像着色模型。
187.如图10所示，在模型部署部署步骤中，将训练好图像增强模型和红外图像着色模型导入ai芯片104。
188.根据以上的实施例，提供了一种能够实现高清夜视的夜视装置，该夜视装置带有高清摄像头、红外摄像头、ai芯片和led高清屏幕，且在ai芯片中内置有红外图像着色模型和图像增强模型。在夜间，能够利用ai芯片内置的模型基于高清摄像头获取的模糊暗光彩色图像和红外摄像头获取的红外图像得到高清的彩色夜间图，并能够显示在led屏幕上。
189.参见图11，本技术实施例还提供了一种电子设备200，电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
190.存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(ram)211和/或高速缓存存储器212，还可以进一步包括只读存储器(rom)213。
191.其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本技术实施例中上述方法的步骤，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
192.存储器210还可以包括具有至少一个程序模块215的实用工具214，这样的程序模块215包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
193.相应的，处理器220可以执行上述计算机程序，以及可以执行实用工具214。
194.总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
195.电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。
196.本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序被执行时实现本技术实施例中上述方法的步骤，其具体实
现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
197.图12示出了本实施例提供的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本技术中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
198.计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如java、c++等，还包括常规的过程式程序设计语言诸如c语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
199.本技术从使用目的上，效能上，进步及新颖性等观点进行阐述，已符合专利法所强调的功能增进及使用要件，本技术以上的说明书及说明书附图，仅为本技术的较佳实施例而已，并非以此局限本技术，因此，凡一切与本技术构造，装置，特征等近似、雷同的，即凡依本技术专利申请范围所作的等同替换或修饰等，皆应属本技术的专利申请保护的范围之内。

技术特征：
1.一种夜视图像增强方法，其特征在于，包括如下步骤：获取第一图像和第二图像；其中，所述第一图像和所述第二图像是分别利用普通摄像头和红外摄像头拍摄同一场景获得的图像；利用训练好的红外图像着色模型基于所述第一图像和所述第二图像得到第三图像；以及利用训练好的图像增强模型对所述第三图像进行增强，得到高清彩色图。2.如权利要求1所述的夜视图像增强方法，其特征在于，所述红外图像着色模型通过如下步骤训练得到：获取第一训练数据集，所述第一训练数据集包括：夜间红外图像数据集、夜间彩色图像数据集以及昼间彩色图像数据集；将夜间红外图像数据集中的每一夜间红外图像以及夜间彩色图像数据集中与所述夜间红外图像对应的夜间彩色图像输入所述红外图像着色模型，得到红外着色后的图像；根据每一所述红外着色后的图像以及所述昼间彩色图像数据集中与所述红外着色后的图像对应的昼间彩色图像，计算所述红外图像着色模型的损失值；以及若所述损失值大于预设损失值阈值，则调整所述红外图像着色模型的参数，并重新进行训练；若所述损失值不大于预设损失值阈值，则将当前的红外图像着色模型确定为训练好的红外图像着色模型。3.如权利要求2所述的夜视图像增强方法，其特征在于，所述获取第一训练数据集的过程如下：对于同一场景，利用红外摄像头在夜间进行拍摄，从而得到所述夜间红外图像数据集，利用高清摄像头在夜间进行拍摄，从而得到所述夜间彩色图像数据集，利用高清摄像头在昼间进行拍摄，从而得到所述昼间彩色图像数据集。4.如权利要求1所述的夜视图像增强方法，其特征在于，所述图像增强模型通过以下步骤训练得到：获取第二训练数据集，所述第二训练数据集包括：高清图像数据集以及低清图像数据集；将所述低清图像数据集中的每一低清图像输入所述图像增强模型，得到模型增强后的高清图像；根据每一所述模型增强后的高清图像与所述高清图像数据集中与所述模型增强后的高清图像对应的高清图像，计算所述图像增强模型的损失值；以及若所述损失值大于预设损失值阈值，则调整所述图像增强模型的参数，并重新进行训练；若所述损失值不大于预设损失值阈值，则将当前的图像增强模型确定为训练好的图像增强模型。5.如权利要求4所述的夜视图像增强方法，其特征在于，所述获取第二训练数据集的过程如下：对于同一场景，利用高清摄像头进行拍摄，得到所述高清图像数据集，利用低清摄像头进行拍摄，得到所述低清图像数据集。
6.如权利要求4所述的夜视图像增强方法，其特征在于，所述获取第二训练数据集的过程如下：利用高清摄像头进行拍摄，得到所述高清图像数据集，对所述高清图像数据集中的高清图像进行处理，得到所述低清图像数据集。7.一种夜视图像增强装置，其特征在于，具有：图像获取单元，用于获取第一图像和第二图像；其中，所述第一图像和所述第二图像是分别利用普通摄像头和红外摄像头拍摄同一场景获得的图像；红外图像着色单元，用于利用训练好的红外图像着色模型基于所述第一图像和所述第二图像得到第三图像；以及图像增强单元，用于利用训练好的图像增强模型对所述第三图像进行增强，得到高清彩色图。8.一种夜视装置，其特征在于，具有：镜头模块，所述镜头模块包括用于获取第一图像的高清摄像头和用于获取第二图像的红外摄像头；ai芯片，所述ai芯片导入有红外图像着色模型和图像增强模型，并对所述第一图像和所述第二图像进行处理，得到高清彩色图；以及led屏幕，所述led屏幕用于显示所述高清彩色图。9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-6任一项所述方法的步骤。10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。

技术总结
本发明提供一种夜视图像增强方法、装置、电子设备及计算机可读存储介质，包括如下步骤：获取第一图像和第二图像；其中，所述第一图像和所述第二图像是分别利用普通摄像头和红外摄像头拍摄同一场景获得的图像；利用训练好的红外图像着色模型基于第一图像和第二图像得到第三图像；以及利用训练好的图像增强模型对第三图像进行增强，得到高清彩色图。本发明还提供一种夜视装置，具有镜头模块、AI芯片和LED屏幕。通过本发明的夜视图像增强方法、装置、电子设备及存储介质以及夜视装置，能够对在夜间获取的不理想的图像进行增强，得到彩色的高清夜视像。的高清夜视像。的高清夜视像。


技术研发人员：陈海波 赵昕
受保护的技术使用者：深兰人工智能科学技术研究院（上海）有限公司
技术研发日：2022.02.09
技术公布日：2022/5/25