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：厦门瑞为信息技术有限公司

摘要：本发明公开了一种基于零次学习的轻量级低光图像增强装置及方法，包括基于零次学习方法的轻量级曲线参数估计模块、傅里叶频域变换模块、适应度函数模块及合并模块。基于零次学习方法的轻量级曲线参数估计模块用来预测输入图像的亮度增强曲线函数，对于图片中的每一个像素，不断根据曲线函数进行迭代增强；傅里叶频域变换模块给出输入原图的傅里叶变换频谱图，根据频谱图求出每个像素的幅值；适应度函数模块根据图像的像素值分布，分为暗区、亮区、边缘区以及中心区，不同区域的适应度函数返回值不同，这样可以分区域动态调整增强方式，合并模块会基于三个函数的结果对每一个像素进行合并计算，并以最终合并的结果作为最终的增强调整结果。

主权项：1.一种基于零次学习的轻量级低光图像增强装置，其特征在于：采用深度学习模型，包括基于零次学习方法的轻量级曲线参数估计模块、傅里叶频域变换模块、适应度函数模块及合并模块；基于零次学习方法的轻量级曲线参数估计模块包括一个轻量级CNN，用来预测输入图像的亮度增强曲线函数，对于图片中的每一个像素，根据曲线函数进行迭代增强；傅里叶频域变换模块给出输入原图的傅里叶变换频谱图，根据频谱图求出每个像素的幅值，振幅越大则亮度越强；适应度函数模块根据图像的像素值分布，不同的区域其亮度值不同，分为暗区、亮区、边缘区以及中心区，算出各个区域的适应度函数返回值，不同区域的适应度函数返回值不同，分区域动态调整增强方式；适应度函数模块的具体方法是：输入的低光图像已划分成K个区域，考虑到不同环境下图像的每个区域的成像质量不同，将图像分为暗区、亮区、边缘区和中心区，求出每个区域里面的熵信息、边缘内容信息以及灰度值的标准差的相关信息，基于此信息得出某个区域里面的局部亮度情况，具体的公式如下： ； 表示局部亮度情况；表示区域K的熵，值越大，代表着包含的信息量越大；表示区域K的边缘内容，值越大意味着边缘信息越多，这块区域的对比度越好；表示区域K的灰度值的标准差，值越大意味着这块区域的平均像素变化越大，区域的对比度越好，而三个信息前面有三个权重参数、、，三个权重参数、、会根据输入图片的熵、边缘内容以及灰度值的标准差三个信息的值分布范围进行动态调整，确保三个信息的最后各自的值在同一量纲求和；合并模块是基于零次学习方法的轻量级曲线参数估计模块、傅里叶频域变换模块及适应度函数模块的结果对每一个像素进行合并计算，并以最终合并的结果作为最终的图像增强调整结果；合并模块的具体方法是以基于零次学习方法的轻量级曲线参数估计模块的曲线预测值为主，在此基础上考虑傅里叶频域变换模块和适应度函数模块的值，并进行对应比例的微调，最终输出较好的低光图像增强效果，具体的公式如下： 其中，为较好的低光图像增强效果的最终输出，表示给定输入的像素点x在第n次迭代时的增强结果，为振幅归一化后函数值，表示K区域里面的局部亮度情况，x是待增强图像中每个像素点的值。

全文数据：

权利要求：

百度查询： 厦门瑞为信息技术有限公司 基于零次学习的轻量级低光图像增强装置及方法