基于多尺度堆叠式注意力网络的低照度图像增强方法.pdf
文阁****23
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于多尺度堆叠式注意力网络的低照度图像增强方法.pdf
本发明提出一种基于多尺度堆叠式注意力网络的低照度图像增强方法,包括以下步骤:步骤A:对原始低照度图像和正常照度图像的训练图像对进行预处理,得到原始低照度图像和正常照度图像组成的训练图像对;步骤B:设计多尺度自适应融合堆叠式注意力网络作为低照度图像增强网络,该网络包含多尺度自适应特征融合模块,堆叠式注意力残差模块和傅里叶重建模块;步骤C:设计低照度图像增强网络的目标损失函数,训练网络至收敛到阈值或迭代次数达到阈值;步骤D:将待测图像输入到所设计的低照度图像增强网络中,利用训练好的网络预测生成正常照度图像。本
基于改进的Zero-DCE网络的低照度图像增强方法.pdf
本发明涉及一种基于改进的Zero‑DCE网络的低照度图像增强方法,属于低照度图像增强领域。该方法包括:获取待增强图像;将所述待增强图像输入至改进的Zero‑DCE网络中,输出增强后的图像;其中,在传统Zero‑DCE网络的结构之上,取消了Zero‑DCE网络中第七浅层特征层的8次迭代步骤,以卷积、归一化、激活的方式取而代之,避免了迭代冗余的问题,大大降低了计算量;且引入了残差网络作为残差模块,作用于第四浅层特征层、第五浅层特征层以及第六浅层特征层,从而能够更大程度保留原有特征。
低照度图像/视频增强方法及系统.pdf
本发明公开了低照度图像/视频增强方法及系统,通过将待处理图像/视频的正向变换YUV色彩空间,并提取待处理图像/视频的各个像素点的亮度参数,根据亮度参数计算待处理图像/视频的各个像素点的初始增益;对各个像素点的初始增益进行伽马校正以及色彩平衡,得到待处理图像/视频的各个像素点的增强增益;通过各个像素点的增强增益对待处理图像/视频中对应的像素点进行补偿,得到增强后的图像/视频,相比现有技术,通过对图像/视频中的各个像素点进行增益补偿,不但保留了高照度部分细节,还增加了低照度部分细节,大大提高了低照度环境下图像
基于尺度感知和细节增强模型的低光图像增强方法.pdf
本发明公开了一种基于尺度感知和细节增强模型的低光图像增强方法提出了一种尺度感知的结构保留和细节增强模型(SSD),它对于在弱光条件下的图像增强简单且有效。首先,设计了一种新的基于Retinex的模型,其中使用新颖的尺度感知结构保留项作为正则化,可以同时估计尺度感知结构保持反射分量和平滑照明分量。噪声分量估计也包括在模型中以抑制给定图像的噪声。其次,采用交替方向法(ADMM)精确求解细化问题。最后,使用伽马校正对图像进行细节增强,以进一步改善给定图像的视觉质量。实验结果验证了所提方法的适用性,可应用到图像处
基于照度图优化和自适应伽马校正的低照度图像增强方法.pdf
本发明公开了一种基于照度图优化和自适应伽马校正的低照度图像增强方法,属于计算机视觉领域,该方法包括以下步骤:将图像变化到HSV空间,得到图像的亮度图;对亮度图进行参数自适应引导滤波,得到纹理细节平滑,边缘保留的照度图,将亮度图和照度图进行逐元素相除,得到反射图,利用反射图和光照图得到伽马校正的参数,对亮度图进行伽马矫正,得到重建后的亮度图,利用原图像的饱和度色度分量,将图像变换到RGB空间,得到增强后的图像,本发明改进后的自适应引导滤波,利用图像的平均方差的倍数作为引导滤波正则化因子,减少了人工伪影,优化