一种基于多尺度风格解耦网络MSD-Net的低光照图像语义分割的方法

本发明申请公开了一种基于多尺度风格解耦网络MSD‑Net的低光照图像语义分割的方法，该网络能在光照较差的环境且不需要额外的人工标注或模拟生成训练数据的情况下，根据风格迁移理论将低光照图像分解成风格分量、内容分量和噪音分量，在添加随机噪音的情况下，对解耦后的分量进行不同尺度的特征提取，实现低光照图像的语义分割，包括如下步骤：1)构建模型训练数据集MSD‑Train和测试数据集MSD‑Test，2)构造解耦模块IDM，从图像中分解出风格分量、内容分量和噪音分量，3)构造随机噪声选取模块RNSM，将图像的噪音分量添加额外的随机干扰噪音之后与风格分量融合，4)构造内容分量特征提取网络CCFEN，提取内容分量不同尺度的语义特征，5)构造风格分量特征提取模块SCFEM和风格导向分割头SGSegHead，将风格分量通过SCFEM进一步提取特征之后，作用于内容分量，以实现对低光照图像进行语义分割。