基于多尺度的轻量级低光图像增强方法.pdf
诗文****仙女
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于多尺度的轻量级低光图像增强方法.pdf
本发明提供了基于多尺度的轻量级低光图像增强方法。它解决了现有方法无法完整保留图像细节、清晰度差、色彩失真与泛化能力弱等问题。本发明利用图像的多尺度表示,使用深度神经网络提取低光图像的多尺度光照信息,有效发掘并保留图像的细节特征。采用渐进式融合策略对多尺度光照信息进行融合与调整,恢复得到可准确表示外界光照分布的精细光照图像。最终根据视觉理论消除外界光照的不良影响,实现图像增强。本发明充分利用了图像在不同尺度下的互补特征信息,增强图像视觉效果好,且网络简洁,处理速度快,具有实用价值。
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
一种基于帧累加和多尺度Retinex的低光照图像增强优化方法.pdf
本发明公开了一种基于帧累加和多尺度Retinex的低光照图像增强优化方法:其主要包括:(1)对原始数据RGB三通道分离进行帧累加处理,提高低光照图像信噪比和灰阶分辨率(2)对帧累加处理过的单通道图像进行高斯均值滤波,去除数据采集过程中产生的噪声(3)对传统多尺度Retinex理论进行改进,将原图像其中的反射分量图像增加了双边滤波以削弱光圈伪影的产生(4)利用帧累加技术和改进后的多尺度Retinex对低光照图像进行联合增强优化,在提高图像信噪比和灰阶分辨率的同时保留了较多的图像边缘和细节纹理,并且在一定程度
基于图像增强的多尺度行人检测方法、装置、设备及介质.pdf
本申请提出一种基于图像增强的多尺度行人检测方法、装置、电子设备及存储介质,基于图像增强的多尺度行人检测方法包括:对采集到的行人图像集进行标记获得行人图像标签集;对所述行人图像集中的图像进行检测获得行人预测图像集;基于所述行人预测图像集和所述行人图像标签集构建行人识别损失函数;基于所述行人图像集、行人图像标签集和所述行人识别损失函数对所述多尺度行人初始检测模型进行训练获得多尺度行人优化检测模型;基于所述多尺度行人优化检测模型对包含行人的待检测图像进行检测获得多尺度行人真实图像集。本申请通过构建行人识别损失函