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：山东科技大学;苏州朗伯威智能科技有限公司

摘要：本申请涉及图像增强技术领域，具体为基于工业场景的高动态图像增强方法、系统、设备和介质；为解决现有技术中工业场景图像光照分布不均匀、动态范围低的技术问题，本申请设计全卷积网络模型，并用同一工件的不同曝光度的图像对全卷积网络模型进行训练，训练过程中充分利用之前融合结果提高后续融合质量，并基于前后两个轮次的记忆损失值提升训练质量，得到训练全卷积网络模型；最后，将获取的待检工件的若干个不同曝光待检图像进行训练全卷积网络模型处理，并控制生成图像光照的均匀度，得到光照均匀、图像动态范围提升的高动态图像增强结果，应用在工件自动化视觉检测过程中，能够提高生产线的质量控制效率。

主权项：1.一种基于工业场景的高动态图像增强方法，其特征在于，包括如下操作：S1、获取同一工件的若干个不同曝光图像，形成了初始不同曝光图像集；利用所述初始不同曝光图像集对全卷积网络模型进行多轮次的训练，若在连续的第一数值轮次中，每个轮次输出与对应上一轮次输出的记忆损失值均小于记忆损失阈值，输出连续的第一数值轮次中最后一轮次的全卷积网络模型，得到训练全卷积网络模型；全卷积网络模型处理的过程为：所述初始不同曝光图像集中，每个曝光图像分别经多维特征提取后，进行加权融合处理，得到第一轮次输出；所述第一轮次输出与初始不同曝光图像集，形成了第一增强图像集；所述第一增强图像集经多维特征提取后，进行加权融合处理，得到第二轮次输出；所述第二轮次输出和第一增强图像集，形成了第二增强图像集，用于执行下一轮次的多维特征提取和加权融合处理；S2、获取待检工件的若干个不同曝光待检图像，形成了不同曝光待检图像集；所述不同曝光待检图像集经多轮次的训练全卷积网络模型处理，实时获取每个轮次输出，作为每个轮次的高动态增强图像；若当前轮次的高动态增强图像的照明分量平均梯度，不大于平均梯度阈值，则输出当前轮次的高动态增强图像，作为高动态图像增强结果；所述高动态增强图像的照明分量平均梯度的获取方法为：所述高动态增强图像经灰度处理，得到高动态增强灰度图像；基于预设高斯函数和高动态增强灰度图像，得到高动态增强光照分量图像；将所述高动态增强光照分量图像进行分割处理，得到若干个分割光照分量区域；获取每个分割光照分量区域，与对应邻域范围内其他分割光照分量区域的光照分量像素差；所有光照分量像素差的和，与高动态增强图像尺寸大小的比值，作为照明分量平均梯度。

全文数据：

权利要求：

百度查询： 山东科技大学 苏州朗伯威智能科技有限公司 基于工业场景的高动态图像增强方法、系统、设备和介质