一种可穿戴的低照度视觉增强感知设备

在黄昏、夜晚等照度不良条件下，成像设备获取的图像大多呈现低照度特性，视觉上难以有效辨识图像内容。为了提升图像的视觉感知效果，研究开发了一套可穿戴视觉增强感知设备，设备由战术头盔、筒式摄像机、嵌入式处理器、可穿戴显示器等组成，成本低廉、小巧轻便、方便穿戴。同时，通过引入自校准照明模型，使隐藏在低照度图像中难以辨识的信息变得更加清晰可见，且在设备上达到了超实时的处理速度。

现代化高科技战争中， 情报侦察是决定后续决策行动的先行步骤。

在隐蔽自身为前提的侦察行动中， 侦察人员不可避免会在黎明、傍晚、雾天、阴天等低照度环境下实施侦察。此时由侦察设备获取的影像呈现出对比度低、色彩失真、噪声高等低照度特性，极大地影响侦察人员对目标的有效发现和辨别，而能否在低照度环境下快速地发现并辨别敌我目标，直接影响战场主动权，甚至决定战争的胜负。当然， 战场上可以通过发射各类照明弹来照亮作战区域，但是在复杂多变的作战场景下不仅照明时长、范围有限，且同时为敌我提供照明，不利于隐蔽自身。因此，如何在低照度条件下提高己方作战人员对作战环境的感知能力是值得研究的一个重要问题。

此外，在民用领域中，在照度不足的建筑物内部、施工坑道或隧道等场所作业时，如果没有有效感知周围环境，也容易出现各类事故，造成不可预料的灾难。因此，研究低照度图像增强具有重要的现实价值和意义。

为了提高人员在低照度环境下的视觉感知能力，本文设计并实现了一种可穿戴的低照度视觉增强感知设备。该设备通过采用低成本的笔筒式摄像头、嵌入式开发板及头戴显式器等硬件器材，制作了一个可穿戴的低照度视觉增强设备；同时，通过在嵌入式开发板上部署自标定增强算法可实现对低照度影像的有效增强，算法运行达到超实时处理速度。

2. 相关工作 低照度视觉增强设备的核心是低照度图像增强，该技术一直是计算机视觉领域的研究热点之一。经典方法主要有基于空域的方法和基于频域的方法。

其中， 基于空域的方法以图像中的像素点为处理对象， 直接对图片的像素值进行操作，如直方图均衡等[1]，该方法操作相对简单，处理速度快，在锐化方面效果明显，但在增强、降噪同时会使图像边缘和细节产生模糊；基于频域的方法法则将图像转换到频域进行操作，该方法操作相对复杂，计算速度慢，且会出现振铃效应。此外，基于Retinex 模型的方法[2] [3]将低照度图像分解为反射分量和照明分量，其中反射分量就是要增强的结果，该方法思想简单、且有较强的原理保障，被广泛应用在低照度增强研究中。

2017 年， 第一个基于深度学习的低照度增强方法LLNet [4]取得了惊人的效果， 采用叠加稀疏去噪自编码器的变体，并对低照度图像进行增亮和去噪。与传统方法相比，深度学习的方法有更好的准确性、鲁棒性和速度。根据学习策略的不同，可分为监督学习方法、半监督学习方法、无监督学习方法、强学学习方法、零样本学习方法等[5]。其中，监督学习方法中有对LLNet 改进的方法，如MBLLEN [6]， EEMEFN [7]等方法；也有基于深度Retinex 的方法，如Retinex-Net [8]、LightenNet [9]、KinD [10]；前面