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：陕西科技大学

摘要：本发明公开了一种基于光效应感知的低照度图像增强方法，包括：1、对散射耀斑图像和光源图像进行随机仿射变换，再分别添加到低照度图像和正常光照图像上，得到光效应污染的低照度图像I'low和有清晰光源的正常光照图像I'normal；2、构建基于光效应感知的低照度图像增强网络模型并初始化超参数；3、利用暗区特征提取子网络提取I'low中暗区的细节信息SVA；4、使用光效应特征分解子网络提取I'low的光效应信息SLF；5、以SVA、SLE和I'low为输入，利用光效应消除子网络估算出预测光效应图SFlare和预测去光效应图SDeFlare；6、增强子网络对SFlare和SDeFlare进行编解码，光效应指导的特征融合模块在SVA和SLE引导下，对SDeFlare进行亮度增强。本发明能够抑制低照度图像的光效应，提高图像对比度和亮度。

主权项：1.一种基于光效应感知的低照度图像增强方法，其特征在于，包括如下步骤：步骤1、先将成对的散射耀斑图像Iflare和光源图像Isource进行相同的随机仿射变换，然后将经过随机仿射变换的散射耀斑图像Iflare添加到低照度图像Ilow上，得到具有散射耀斑的低照度图像I'low，将经过随机仿射变换的光源图像Isource添加到正常光照图像Inormal上，得到处理后的正常光照图像I'normal；步骤2、构建基于光效应感知的低照度图像增强网络模型LEANet，并初始化超参数；所述基于光效应感知的低照度图像增强网络模型LEANet包括暗区特征提取子网络VAN、光效应特征分解子网络LEN、光效应消除子网络FRN和增强子网络；其中：所述暗区特征提取子网络VAN和光效应特征分解子网络LEN均采用传统的U-Net网络结构；所述光效应消除子网络FRN包括六个由暗区特征与光效应引导的Transformer模块DALGTB，利用暗区特征与光效应特征引导的前馈网络DALGFF替代传统ViT模型中前馈网络从而形成DALGTB，通过暗区特征与光效应引导模块DALGB替换Uformer网络中位于两个Token2Img层之间的深度卷积从而形成DALGFF，DALGB用于对暗区特征提取子网络VAN输出的暗区特征图和光效应特征分解子网络LEN输出的光效应特征图进行维度和尺寸调整，然后将Token2Img层输出的特征图分别与暗区特征图和光效应特征图相乘，并进行Concat融合操作，然后经过卷积降维和通道注意力机制SE输出融合后的特征图作为下一个Token2Img层的输入；所述增强子网络采用传统的U-Net网络结构并引入光效应特征引导的特征融合模块LGF，在暗区特征图和光效应特征图的引导下，对预测去光效应图进行增强；步骤3、利用暗区特征提取子网络VAN提取具有散射耀斑的低照度图像I'low较暗区域的细节信息，得到暗区特征图SVA；步骤4、利用光效应特征分解子网络LEN提取具有散射耀斑的低照度图像I'low中光效应分布信息，得到光效应特征图SLE；步骤5、将暗区特征图SVA、光效应特征图SLE和具有散射耀斑的低照度图像I'low输入光效应消除子网络FRN，初步估算出预测光效应图SFlare和预测去光效应图SDeFlare；步骤6、利用增强子网络对预测去光效应图SDeFlare和预测光效应图SFlare进行编解码，光效应指导的特征融合模块LGF在暗区特征图和光效应特征图的引导下，对预测去光效应图SDeFlare进行增强，从而完成对具有散射耀斑的低照度图像I'low的增强处理，输出增强图像

全文数据：

权利要求：

百度查询： 陕西科技大学 一种基于光效应感知的低照度图像增强方法