本发明属于数字图像处理，具体涉及一种基于空间域和频率域的有监督图像对比度增强方法。
背景技术：
1、图像对比度增强是指对图像进行像素值进行调整。图像对比度增强在检测识别、图像处理等领域具有重要的应用价值。
2、由于拍摄环境等问题导致拍摄出来的图像对比度低。这类图像的信息传递不尽如人意，容易遗漏部分图像信息，如检测到的目标数目少于实际的目标数目。此外，尽管现在深度神经网络在图像对比度增强方面有着很好的性能，但是对于图像的对比度增强缺乏可解释性，不能够深层次的挖掘图像的信息。
3、近年来，国内外广大研究人员在图像增强领域有着诸多的研究成果。可将已知的图像增强方法分为两类：一类是利用传统方法。这类方法通常使用具体公式进行图像的像素值调节，如伽马变换、对比度拉伸等，以改变图像的像素值分布，提高图像的对比度。另一类是利用深度学习方法。这类方法通常使用相关网络直接对图像进行增强，如卷积神经网络、对抗网络等，以提高图像的对比度。但是，传统方法具有局限性，不具有鲁棒性，深度学习方法可解释性差。
技术实现思路
1、本发明的目的是为了解决现有技术中的有监督图像对比度增强方法不具有鲁棒性，深度学习方法可解释性差的问题。
2、为此，本发明提供了一种基于空间域和频率域的有监督图像对比度增强方法，包括如下步骤：
3、步骤1：通过色彩空间转换把rgb图像x转化为hsv图像y，然后分离出h通道；分离出的h通道图像为ylow；
4、步骤2：把h通道图像ylow输入到对比度增强网络中进行对比度增强，得到对比度增强后的h通道的图像yout，通过损失函数进行对比度增强，将损失函数反向传播更新网络参数——心理量me；
5、步骤3：根据参数更新后的网络模型，把h通道的图像ylow进行对比度增强，最后把增强后的h通道的图像yout和sv通道的图像合并转化成rgb图像。
6、进一步的，所述步骤1：通过色彩空间转换把rgb图像转化为hsv图像，然后分离出h通道的具体过程是：
7、步骤1-1：通过色彩空间转换函数将图像从rgb三通道转化为hsv三通道；
8、步骤1-2：利用torch.split函数将h通道从hsv三通道中分离，得到h通道的图像为ylow。
9、进一步的，所述步骤2：把h通道图像ylow输入到对比度增强网络中进行对比度增强，得到对比度增强后的h通道的图像yout，通过损失函数进行对比度增强，将损失函数反向传播更新网络参数——心理量me的具体过程是：
10、步骤2-1：h通道通过对比度增强网络，提取图像频率域的信息，进行对比度增强的心理量学习，以调节图像的对比度，公式如下：
11、me＝con(ylow)
12、上式中，ylow代表图像的h通道，con()代表对比度增强网络的学习过程,me代表对比度增强网络学习到的心理量；
13、步骤2-2：将对比度增强网络学习到的心理量融入到图像的h通道中，进行对比度拉伸，进行图像的对比度调节，公式如下：
14、
15、上式中，yout代表图像进行对比度调节后的h通道,ylow代表图像的h通道，me代表对比度增强网络学习到的心理量；
16、步骤2-3：对h通道进行损失计算，公式如下：
17、loss＝||yout-ygt||2
18、上式中，|| ||代表l1范数,ygt代表正常照度图像的h通道，yout代表图像进行对比度调节后的h通道；
19、步骤2-4：重复步骤2-1、步骤2-2和步骤2-3，进行多次迭代，公式如下：
20、
21、上式中，out()代表步骤2-1和步骤2-2的整体操作，代表经过n次迭代后的h通道，代表网络次迭代的输入，n＝1时，为初始图像的h通道。
22、进一步的，所述步骤2-1中的h通道通过对比度增强网络，提取图像频率域的信息的具体过程是：通过傅里叶变换把空间域的h通道信息转化为频率域的信息，公式如下：
23、
24、上式中，f(u,v)代表频域图像的像素，f(x,y)代表空间域图像的像素，m,n代表图像的矩阵大小。
25、进一步的，所述步骤2-1中的对比度增强的心理量学习的具体过程是：通过网络将频率域的h通道信息进行提取和估计，并学习到网络推理的心理量，公式如下：
26、me←net(ylow)
27、上式中，ylow代表图像的h通道，net()代表网络的推理过程,me代表对比度增强网络学习到的心理量。
28、进一步的，所述步骤3：根据参数更新后的网络模型，把h通道进行对比度增强，最后把增强后的h通道和sv通道合并转化成rgb图像的具体过程是：利用把迭代n次后的h通道和sv通道合并，并利用色彩空间转换函数把hsv三通道转化成rgb三通道。
29、本发明的优点是：本发明提供这种基于空间域和频率域的有监督图像对比度增强方法，利用图像频率域的信息学习到图像对比度增强的心理量，在图像空间域进行对比度拉伸，减少了图像单独在图像空间域进行对比度拉伸时造成的误差，提出了一个有监督的对比度增强网络。图像经过色彩空间转换，分离出包含图像对比度信息的h通道，利用h通道的频率信息获取图像对比度拉伸的心理量，同时把心理量融入到h通道的空间域当中，提高了图像的对比度。
30、下面结合附图和实施例对本发明做详细说明。
1.一种基于空间域和频率域的有监督图像对比度增强方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于空间域和频率域的有监督图像对比度增强方法，其特征在于：所述步骤1：通过色彩空间转换把rgb图像转化为hsv图像，然后分离出h通道的具体过程是：
3.如权利要求1所述的一种基于空间域和频率域的有监督图像对比度增强方法，其特征在于：所述步骤2：把h通道图像ylow输入到对比度增强网络中进行对比度增强，得到对比度增强后的h通道的图像yout，通过损失函数进行对比度增强，将损失函数反向传播更新网络参数——心理量me的具体过程是：
4.如权利要求3所述的一种基于空间域和频率域的有监督图像对比度增强方法，其特征在于：所述步骤2-1中的h通道通过对比度增强网络，提取图像频率域的信息的具体过程是：通过傅里叶变换把空间域的h通道信息转化为频率域的信息，公式如下：
5.如权利要求3所述的一种基于空间域和频率域的有监督图像对比度增强方法，其特征在于：所述步骤2-1中的对比度增强的心理量学习的具体过程是：通过网络将频率域的h通道信息进行提取和估计，并学习到网络推理的心理量，公式如下：
6.如权利要求1所述的一种基于空间域和频率域的有监督图像对比度增强方法，其特征在于：所述步骤3：根据参数更新后的网络模型，把h通道进行对比度增强，最后把增强后的h通道和sv通道合并转化成rgb图像的具体过程是：利用把迭代n次后的h通道和sv通道合并，并利用色彩空间转换函数把hsv三通道转化成rgb三通道。
