本技术涉及汽车电子,尤其涉及车载摄像头成像优化方法、电子设备及存储介质。
背景技术:
1、在汽车电子技术和安防技术飞速发展的今天,车载摄像头成了交通安全不可缺少的硬件。车载摄像头的主要作用可以包括但不限于监控司乘人员的工作状态、记录突发事件的监控画面和辅助驾驶员驾驶车辆等功能。由于车载摄像头的类型、布置位置、车舱内外环境差异、光照情况等诸多因素影响,摄像头安装固定好后,通常需要人工手动来调整画质,操作成本高的同时难以保证车载摄像头能达到较好的成像质量。
2、有鉴于此,亟需提出一种创新的车载摄像头成像优化方法,以能够自适应地提升车载摄像头的成像画质,优化成像效果。
技术实现思路
1、为克服相关技术中存在的问题,本技术提供一种车载摄像头成像优化方法、电子设备及存储介质,该车载摄像头成像优化方法能够自适应地提升车载摄像头的成像画质,优化成像效果。
2、本技术第一方面提供一种车载摄像头成像优化方法,包括:
3、启动车载摄像头并通过车载摄像头获取实时图像序列;
4、根据实时图像序列中的每一实时图像确定实时光线环境;其中,实时光线环境包含光线明亮环境和光线暗沉环境;
5、若当前的实时图像对应的实时光线环境为光线暗沉环境,则确定将实时图像序列中自光线暗沉环境对应的当前实时图像之后至光线明亮环境对应的实时图像之间的一个或多个实时图像输入至图像降噪模型中,得到图像降噪模型输出的一个或多个目标优化图像;
6、其中,基于原始样本图像集和降噪样本图像集训练得到图像降噪模型;降噪样本图像集为对原始样本图像集中的每一原始样本图像进行降噪处理后所得的降噪样本图像的集合;
7、将一个或多个目标优化图像恢复至实时图像序列中的相应位置,得到优化车载图像画面。
8、在一种实施方式中,基于原始样本图像集和降噪样本图像集训练得到图像降噪模型包括:
9、获取原始样本图像集;
10、基于预设信噪比和预设降噪算法对原始样本图像集中的每一原始样本图像进行降噪处理,得到降噪样本图像集;
11、将原始样本图像集中的每一原始样本图像分别与对原始样本图像集中的每一原始样本图像进行降噪处理后所得的降噪样本图像一一对应匹配,形成多组配对图像;
12、将多组配对图像输入初始降噪模型中进行训练,得到图像降噪模型。
13、在一种实施方式中,初始降噪模型包含编码器和解码器;将多组配对图像输入初始降噪模型中进行训练包括:
14、将配对图像中的原始样本图像输入编码器中,得到由解码器输出的模型降噪图像;
15、基于目标损失函数、模型降噪图像和配对图像中的降噪样本图像确定损失函数值;
16、对目标损失函数进行优化并基于更新的损失函数值确定是否输出图像降噪模型。
17、在一种实施方式中,目标损失函数包含第一损失函数和第二损失函数;基于目标损失函数、模型降噪图像和配对图像中的降噪样本图像确定损失函数值包括:
18、根据模型降噪图像的像素值、降噪样本图像的像素值以及第一损失函数确定第一损失值;
19、根据模型降噪图像的像素值、模型降噪图像的平均亮度、降噪样本图像的像素值、降噪样本图像的平均亮度以及第二损失函数确定第二损失值;
20、根据第一损失值和第二损失值确定损失函数值。
21、在一种实施方式中,根据模型降噪图像的像素值、降噪样本图像的像素值以及第一损失函数确定第一损失值包括:
22、将模型降噪图像的像素值和降噪样本图像的像素值输入第一损失函数,得到第一损失值;
23、第一损失函数为:
24、
25、其中,x为模型降噪图像,y为降噪样本图像,yi为第i个降噪样本图像的像素值,f(xi)为第i个模型降噪图像的像素值,n为降噪样本图像的总数。
26、在一种实施方式中,根据模型降噪图像的像素值、模型降噪图像的平均亮度、降噪样本图像的像素值、降噪样本图像的平均亮度以及第二损失函数确定第二损失值包括:
27、根据n个模型降噪图像的像素值确定模型降噪图像对应的第一图像方差;
28、根据n个降噪样本图像的像素值确定降噪样本图像对应的第二图像方差;
29、根据n个模型降噪图像的像素值和n个降噪样本图像的像素值确定模型降噪图像和降噪样本图像之间的图像协方差;
30、基于第一图像方差、第二图像方差、图像协方差、模型降噪图像的平均亮度、降噪样本图像的平均亮度以及第二损失函数确定第二损失值。
31、在一种实施方式中,基于第一图像方差、第二图像方差、图像协方差、模型降噪图像的平均亮度、降噪样本图像的平均亮度以及第二损失函数确定第二损失值包括:
32、将第一图像方差、第二图像方差、图像协方差、模型降噪图像的平均亮度和降噪样本图像的平均亮度输入第二损失函数,得到第二损失值;
33、第二损失函数为:
34、
35、其中,μx为模型降噪图像的平均亮度,μy为降噪样本图像的平均亮度,σx为第一图像方差,σy为第二图像方差,σxy为图像协方差,c1和c2为常数。
36、在一种实施方式中,根据实时图像序列中的每一实时图像确定实时光线环境包括:
37、根据每一实时图像的每一像素点的灰度值确定平均灰度;
38、根据平均灰度和预设灰度阈值确定每一实时图像对应的实时光线环境。
39、本技术第二方面提供一种电子设备,包括:
40、处理器;以及
41、存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
42、本技术第三方面提供一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
43、本技术提供的技术方案可以包括以下有益效果:
44、本技术提供的车载摄像头成像优化方法、电子设备及存储介质,通过启动车载摄像头并通过车载摄像头获取实时图像序列,进而根据实时图像序列中的每一实时图像确定实时光线环境,其中,实时光线环境包含光线明亮环境和光线暗沉环境。进而若当前的实时图像对应的实时光线环境为光线暗沉环境,则确定将实时图像序列中自光线暗沉环境对应的当前实时图像之后至光线明亮环境对应的实时图像之间的一个或多个实时图像输入至图像降噪模型中,其中,图像降噪模型为基于原始样本图像集和降噪样本图像集训练得到的,而降噪样本图像集为对原始样本图像集中的每一原始样本图像进行降噪处理后所得的降噪样本图像的集合,这样能够让图像降噪模型从大量的原始样本图像和降噪样本图像中学习到噪声特征,学习到不同信噪比的原始样本图像与最优滤波效果的降噪样本图像之间的映射关系,使得图像降噪模型能够在训练完成之后针对不同的实时图像进行降噪处理,最终得到图像降噪模型输出的一个或多个目标优化图像,从而实现根据实时环境来进行成像画质的自适应优化。进一步地,将一个或多个目标优化图像恢复至实时图像序列中的相应位置,得到优化车载图像画面,从而能够自适应地提升车载摄像头的成像画质,优化成像效果。
45、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本技术。