本技术涉及计算机视觉，尤其涉及一种基于retinex的低光遥感影像增强方法、装置、计算机设备及计算机可读存储介质。
背景技术：
1、遥感影像增强技术不仅可以提升图像的质量、增强特定的信息，而且可以改善图像在视觉和分析方面的可用性，因此，在遥感图像分析和解释中具有重要的意义。直接获取的遥感影像容易受到环境、天气以及传感器等因素的影响，导致存在亮度不足、噪声偏多等问题，因此，无法直接用于地物检测、分类等传统遥感任务。需要采用相应的低光遥感影像增强方法进行增强后，才能进行应用。目前，低光影像增强方法包括传统低光影像增强方法以及基于深度学习的低光影像增强方法。传统低光影像增强方法需要手工设计特征或优化函数来增强低光影像，难以应对不同的场景，并且增强结果往往存在噪声、模糊、质量不足、偏色等问题。基于深度学习的低光影像增强方法不断发展，虽然能解决上述问题，在恢复颜色细节、去除噪点、提高影像质量等方面取得更鲁棒的结果，但是端到端的影像增强方法直接回归增强后的影像，缺少理论支持，可解释性与效果较差。因此，如何提升增强算法的可解释性以及影像的增强效果成为了目前亟待解决的技术问题。
技术实现思路
1、本技术提供了一种基于retinex的低光遥感影像增强方法、装置、计算机设备及存储介质，以提升低光遥感影像的增强效果。
2、第一方面，本技术提供了一种基于retinex的低光遥感影像增强方法，所述方法包括：
3、基于分解网络，将低光遥感影像分解为初始反射图与初始光照图；
4、基于增强网络中的特征提取模块，分别对所述初始反射图与初始光照图进行特征提取，得到初始反射特征图以及初始光照特征图；
5、基于所述增强网络中的特征融合模块，将所述初始反射特征图以及初始光照特征图进行特征融合以及信息交互，得到交互后的光照特征图和反射特征图；
6、基于所述增强网络中的影像增强模块、交互后的光照特征图以及反射特征图，回归光照图调整的映射曲线，回归反射图调整的残差图，对所述初始光照图和初始反射图进行增强，得到增强后的光照图和反射图；
7、基于所述增强网络中的局部增强模块，对增强后的光照图和反射图进行融合，并对融合后的图像进行局部增强，得到所述目标增强影像。
8、进一步地，所述将低光遥感影像分解为初始反射图与初始光照图，包括：
9、在所述低光遥感影像对应的r、g、b三通道影像中，确定最大通道值，作为所述低光遥感影像的第四通道影像的第四通道值；
10、提取所述低光遥感影像对应的四通道影像的特征图，得到遥感影像特征图；
11、剥离所述遥感影像特征图的前三个通道的通道影像，作为所述初始反射图，并剥离所述遥感影像特征图的第四通道的通道影像，作为所述初始光照图。
12、进一步地，所述基于增强网络中的特征提取模块，分别对所述初始反射图与初始光照图进行特征提取，得到初始反射特征图以及初始光照特征图，包括：
13、基于transformer和cnn网络，分别对所述初始光照图与初始反射图进行特征提取，得到初始反射特征图以及初始光照特征图。
14、进一步地，所述基于transformer和cnn网络，分别对所述初始光照图与初始反射图进行特征提取，得到初始反射特征图以及初始光照特征图，包括：
15、基于cnn网络，分别对所述初始反射图进行特征提取，得到预设数量的初始反射特征图，并基于预设数量的初始反射特征图，生成所述初始反射特征图。
16、进一步地，所述基于transformer和cnn网络，分别对所述初始光照图与初始反射图进行特征提取，得到初始反射特征图以及初始光照特征图，包括：
17、基于transformer网络，提取所述初始光照图的全局特征，得到所述初始光照特征图。
18、进一步地，所述基于分解网络，将低光遥感影像分解为初始反射图与初始光照图之前，还包括：
19、基于预设训练遥感影像数据集，对初始网络进行训练，生成所述分解网络，其中，所述预设训练遥感影像数据集包括至少一对低光训练影像与正常光影像的影像对，所述低光训练影像为待增强影像，所述正常光影像为真实值。
20、进一步地，所述基于分解网络，将低光遥感影像分解为初始反射图与初始光照图之前，还包括：
21、判断待处理低光遥感影像的分辨率是否高于预设阈值；
22、在所述待处理低光遥感影像的分辨率高于所述预设阈值时，将所述低光遥感影像划分为预设数量的影像块；
23、依次获取各影像块，作为所述低光遥感影像，以分别对各个影像块进行增强后再融合。
24、第二方面，本技术还提供了一种基于retinex的低光遥感影像增强装置，包括：
25、影像分解模块，用于将低光遥感影像分解为初始反射图与初始光照图；
26、特征提取模块，用于分别对所述初始反射图与初始光照图进行特征提取，得到初始反射特征图以及初始光照特征图；
27、特征融合模块，用于将所述初始反射特征图以及初始光照特征图进行特征融合以及信息交互，得到交互后的光照特征图和反射特征图；
28、影像增强模块，用于基于交互后的光照特征图以及反射特征图，回归光照图调整的映射曲线，回归反射图调整的残差图，对所述初始光照图和初始反射图进行增强，得到增强后的光照图和反射图；
29、局部增强模块，用于对增强后的光照图和反射图进行融合，并对融合后的图像进行局部增强，得到所述目标增强影像。
30、第三方面，本技术还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的基于retinex的低光遥感影像增强方法。
31、第四方面，本技术还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使所述处理器实现如上述的基于retinex的低光遥感影像增强方法。
32、本技术公开了一种基于retinex的低光遥感影像增强方法、装置、计算机设备及存储介质，所述方法基于分解网络，将低光遥感影像分解为初始反射图与初始光照图；基于增强网络中的特征提取模块，分别对所述初始反射图与初始光照图进行特征提取，得到初始反射特征图以及初始光照特征图；基于所述增强网络中的特征融合模块，将所述初始反射特征图以及初始光照特征图进行特征融合以及信息交互，得到交互后的光照特征图和反射特征图；基于所述增强网络中的影像增强模块、交互后的光照特征图以及反射特征图，回归光照图调整的映射曲线，回归反射图调整的残差图，对所述初始光照图和初始反射图进行增强，得到增强后的光照图和反射图；基于所述增强网络中的局部增强模块，对增强后的光照图和反射图进行融合，并对融合后的图像进行局部增强，得到所述目标增强影像。通过上述方式，不仅提升了算法的可解释性以及影像的增强效果，而且解决了目前低光遥感影像增强方法普适性差、鲁棒性低以及增强后影像存在噪声、模糊、质量不足、偏色等问题。
1.一种基于retinex的低光遥感影像增强方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于retinex的低光遥感影像增强方法，其特征在于，所述将低光遥感影像分解为初始反射图与初始光照图，包括：
3.根据权利要求1所述的基于retinex的低光遥感影像增强方法，其特征在于，所述基于增强网络中的特征提取模块，分别对所述初始反射图与初始光照图进行特征提取，得到初始反射特征图以及初始光照特征图，包括：
4.根据权利要求3所述的基于retinex的低光遥感影像增强方法，其特征在于，所述基于transformer和cnn网络，分别对所述初始光照图与初始反射图进行特征提取，得到初始反射特征图以及初始光照特征图，包括：
5.根据权利要求1所述的基于retinex的低光遥感影像增强方法，其特征在于，所述基于transformer和cnn网络，分别对所述初始光照图与初始反射图进行特征提取，得到初始反射特征图以及初始光照特征图，包括：
6.根据权利要求1-5中任一项所述的基于retinex的低光遥感影像增强方法，其特征在于，所述基于分解网络，将低光遥感影像分解为初始反射图与初始光照图之前，还包括：
7.一种基于retinex的低光遥感影像增强装置，其特征在于，包括：
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
9.一种计算机可读存储介质，其特征在于，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使所述处理器实现如权利要求1至6中任一项所述的基于retinex的低光遥感影像增强方法。
