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:江西财经大学
摘要:本发明提供一种基于显著性区域的图像光照增强方法及系统,该方法包括:S1,获取待优化的图像,统一图像格式并对图像进行预处理;S2,利用显著性提取网络提取预处理后的图像的显著性特征;S3,利用语义分割网络提取处理后的图像的各部分语义特征;S4,结合显著性特征和语义特征获得显著性区域前景和背景;S5,构建低光增强网络,并通过低光增强网络将显著性区域前景和背景的光照分别进行增强优化;S6,构建融合网络,并通过融合网络将增强优化后的显著性区域前景和背景进行融合,得到最终优化结果。本发明能够平衡全局和局部照明。
主权项:1.一种基于显著性区域的图像光照增强方法,其特征在于,所述方法包括以下步骤:S1,获取待优化的图像,统一图像格式并对图像进行预处理;S2,利用显著性提取网络提取预处理后的图像的显著性特征;S3,利用语义分割网络提取处理后的图像的各部分语义特征;S4,结合显著性特征和语义特征获得显著性区域前景和背景;S5,构建低光增强网络,并通过低光增强网络将显著性区域前景和背景的光照分别进行增强优化;S6,构建融合网络,并通过融合网络将增强优化后的显著性区域前景和背景进行融合,得到最终优化结果;步骤S1具体包括:S101,获取待优化的图像,调整图像大小,将图像采样设置长宽均为8的倍数;S102,将图像设置为RGB格式,并将图像像素值限定在0-1之间;步骤S2,利用显著性提取网络提取预处理后的图像的显著性特征的过程中,满足以下条件式: ;其中,表示预处理后的图像,表示显著性提取网络,表示利用显著性提取网络得到的掩码;步骤S3,利用语义分割网络提取处理后的图像的各部分语义特征的过程中,满足以下条件式: ;其中,表示编号为的语义分割部分,表示语义分割网络,通过语义分割网络将预处理后的图像分割成个语义分割部分;步骤S4,结合显著性特征和语义特征获得显著性区域前景和背景的过程中,满足以下条件式: ;其中,为具有语义边界一致的新掩码,表示编号为的语义分割部分,表示与之间的IoU分数,表示与之间的IoU分数;其中,编号为的语义分割部分为弱重叠区域,通过减去弱重叠区域,用于去除分布在边界上的部分模糊像素;利用计算得到的和,分别将与计算交并比分数;其中若IoU分数大于0.2则并入到之中,否则不更新;若交并比小于0.05的,则将其对应进行去除;所述低光增强网络为双分支结构,通过低光增强网络对显著性区域前景和背景的光照同时进行优化,所述低光增强网络为13层的深度神经网络,低光增强网络中的第0层采用三个卷积块对输入图像进行转换,每个卷积块包含一个Conv-Norm单元,激活函数为Gelu函数,所述低光增强网络中的第1层至第12层为编码器和解码器;所述低光增强网络还包括颜色嵌入模块,利用颜色嵌入模块将输入图像和编码特征结合起来,从而计算颜色分布匹配的亲和矩阵,并使用PCE模块对输入图像和编码器保存的特征图进行处理,用于进行颜色嵌入,具体满足以下条件式: ; ;其中,表示编码特征,表示曼哈顿距离,表示内积结果;亲和矩阵通过下式获得: ;其中,表示亲和矩阵,和为激活函数,表示点乘,通过将亲和矩阵连接到解码器以进行颜色嵌入;步骤S6,构建融合网络,并通过融合网络将增强优化后的显著性区域前景和背景进行融合,得到最终优化结果的过程中,满足以下条件式: ;其中,表示最终优化结果,表示增强优化后的显著性区域前景,表示增强优化后的显著性区域背景,表示融合网络,融合网络用于将显著性区域前景和背景与全局一致性集中在一起。
全文数据:
权利要求:
百度查询: 江西财经大学 基于显著性区域的图像光照增强方法及系统
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。