买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明提供一种基于定制展开增强器的低光照图像增强方法及系统，涉及图像处理技术领域，该方法包括获取数据集，所述数据集包括低光照和正常光照图像，将数据集划分为训练集和测试集，并对数据集中的图像进行预处理；构建图像增强网络模型，利用训练集对所述图像增强网络模型进行训练，通过引入结构相似性指数和总变异，并定义噪声抑制损失项来优化损失函数，直至达到预设的迭代次数，得到训练好的图像增强网络模型；利用测试集对训练好的图像增强网络模型进行测试，并评价模型性能。本发明提出的图像增强网络模型实现了高效增强低光照图像的效果，通过优化损失函数减少噪声并保持结构信息，展现出广泛的适用性和实用价值。

主权项：1.一种基于定制展开增强器的低光照图像增强方法，其特征在于，包括：获取数据集，所述数据集包括低光照和正常光照图像，将数据集划分为训练集和测试集，并对数据集中的图像进行预处理；构建图像增强网络模型，所述图像增强网络模型包括输入层、Retinex处理模块、掩码自编码器模块、输出层，所述输入层用于输入图像，所述Retinex处理模块用于将输入图像分解为光照分量和反射分量，所述掩码自编码器模块基于U-Net架构，用于对光照分量进行调整和对反射分量进行恢复，并将调整后的光照分量和恢复后的反射分量相乘，所述输出层用于输出增强后图像；利用训练集对所述图像增强网络模型进行训练，通过引入结构相似性指数和总变异，并定义噪声抑制损失项来优化损失函数，直至达到预设的迭代次数，得到训练好的图像增强网络模型；所述通过引入结构相似性指数和总变异，并定义噪声抑制损失项来优化损失函数的方法，具体包括：通过引入结构相似性指数和总变异，分别来加强图像的结构信息和平滑性，公式如下： （4）其中（5）式中，表示新损失函数，表示计算增强后图像和目标图像之间的结构相似性指数；表示增强后图像的总变异损失；为原始的损失函数；为重构损失，旨在减少增强后图像与真实图像之间的像素级差异；为反射相似损失，用于保持增强后图像的反射率与原图像相似；为互边缘相似性损失，强调了在保持边缘信息的同时抑制噪声；为光照平滑损失，确保光照变化的自然过渡；定义噪声抑制损失项，结合噪声抑制损失项和新损失函数得到最终的损失函数： （6）式中，表示最终的损失函数；利用测试集对训练好的图像增强网络模型进行测试，并评价模型性能。

全文数据：

权利要求：

百度查询： 江南大学 一种基于定制展开增强器的低光照图像增强方法及系统