龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：重庆理工大学
摘要：本发明涉及低光图像技术领域，尤其涉及基于流学习的图像层次结构网络的低光图像增强方法。步骤如下：由图像层次结构网络和基于归一化流学习的可逆网络构成FIHN结构；使用负对数似然损失函数对网络进行训练。本发明提供的基于流学习的图像层次结构网络的低光图像增强方法，FIHN由图像层次结构网络和基于归一化流的可逆网络组成；图像层次结构网络从局部、区域和全局三个维度对图像信息进行提取，以此得到尽可能多的图像信息；在负对数似然损失函数的约束下，基于归一化流的可逆网络能够充分学习正常曝光图像的复杂分布，避免输出大量噪声。
主权项：1.基于流学习的图像层次结构网络的低光图像增强方法，其特征在于，步骤如下：由图像层次结构网络和基于归一化流学习的可逆网络构成FIHN结构；使用负对数似然损失函数对网络进行训练；所述图像层次结构网络由三分支区域和全局融合模块和双路dconv交叉融合模块组成；所述三分支区域和全局融合模块用于提取并融合图像的全局和区域特征；所述双路dconv交叉融合模块在提取局部特征的同时，并去噪和提高对比度；所述可逆网络用于学习正常曝光图像的复杂分布；通过负对数似然损失函数对FIHN的神经元权重进行调整，以获得最优性能的网络模型；使用负对数似然损失函数对网络进行训练，损失函数表达式如下： 其中，表示设计的图像层次结构网络；表示第i个FlowStep块；表示每一个FlowStep块的输出，表示第i个FlowStep块中图像层次结构网络的输入特征；表示潜在特征z的probabilitydensityfunction； 表达式如下： 其中，C表示图像的颜色图，表达式如下： 其中，表示计算通道中每个像素的平均值。
全文数据：
权利要求：
百度查询： 重庆理工大学 基于流学习的图像层次结构网络的低光图像增强方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号