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
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。