[发明专利]一种低光图像的曝光差增强方法及装置在审

专利信息
申请号: 202211617192.1 申请日: 2022-12-15
公开(公告)号: CN116091341A 公开(公告)日: 2023-05-09
发明(设计)人: 姜胜芹;梅永月;方耀煜;王庆;蔡佳璐;刘青山 申请(专利权)人: 南京信息工程大学
主分类号: G06T5/00 分类号: G06T5/00;G06T5/50;G06N3/0464;G06N3/0475;G06N3/08
代理公司: 南京苏高专利商标事务所(普通合伙) 32204 代理人: 冯艳芬
地址: 210044 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 曝光 增强 方法 装置
【权利要求书】:

1.一种低光图像的曝光差增强方法,其特征在于该方法包括:

S1:获取若干低光图像及对应的参考标准图像;

S2:对低光图像进行数据预处理;

S3:构建曝光差增强网络,包括相连接的曝光差模块和全局一致性引导的颜色调整模块,所述曝光差模块用于提取输入的低光图像和根据该低光图像生成的不同曝光系数的曝光图像之间的曝光差特征,所述颜色调整模块用于基于曝光差特征进行全局信息和颜色边缘纹理的捕捉,输出增强后的图像;

S4:将预处理后的低光图像和对应的正常光图像作为样本,对所述曝光差增强网络进行训练;

S5:将待增强的低光图像输入训练好的曝光差增强网络,得到增强后的图像。

2.根据权利要求1所述的低光图像的曝光差增强方法,其特征在于:所述S2具体包括:

S2-1:将低光图像分辨率调整至预设值;

S2-2:将调整后的低光图像进行数据增广。

3.根据权利要求2所述的低光图像的曝光差增强方法,其特征在于:所述S2-2具体包括:

S2-2-1:将低光图像以预设概率进行随机水平翻转;

S2-2-2:将低光图像以预设概率进行随机垂直翻转;

S2-2-3:将低光图像进行随机裁剪。

4.根据权利要求1所述的低光图像的曝光差增强方法,其特征在于:所述S3中的曝光差模块具体包括:

曝光图像生成单元,用于基于低光图像生成多张不同曝光系数的曝光图像;

卷积层,用于分别基于低光图像和多张曝光图像生成对应的基特征;

特征差分单元,用于将低光图像和多张曝光图像的基本特征进行差分,得到差分特征;

第一卷积特征提取器,由若干卷积层堆叠形成,用于基于所述差分特征提取差分卷积特征;

第二卷积特征提取器,与第一卷积层特征提取器结构相同,用于基于低光图像的基本特征提取基本卷积特征;

线性控制器,用于将所述差分卷积特征和所述基本卷积特征进行对齐整合,得到曝光差特征。

5.根据权利要求1所述的低光图像的曝光差增强方法,其特征在于:所述S3中的颜色调整模块具体包括:

平均池化层,用于基于曝光差特征获得低频特征;

相连的卷积层和多头注意力机制单元,用于基于低频特征得到全局一致性特征;

线性层,用于将全局一致性特征进行线性变换;

矩阵变换器,用于将线性变换后的全局一致性特征转换为特征矩阵;

乘法器,用于将维度变换后的曝光差特征与矩阵变换器输出的特征矩阵进行乘法运算,得到增强后的图像。

6.根据权利要求4所述的低光图像的曝光差增强方法,其特征在于:所述特征差分单元的差分通过以下公式实现:

式中,Fe表示差分特征,表示卷积操作,cat(·)是沿通道维进行特征聚合操作,FI、分别表示低光图像、第j张曝光图像的基本特征,l表示曝光图像的数目,表示中间特征。

7.根据权利要求4所述的低光图像的曝光差增强方法,其特征在于:所述线性控制器的对齐整合通过以下公式实现:

Is=aFd+b+Id

式中,a和b分别表示参数系数,Is表示曝光差特征,Fd、Id分别表示差分卷积特征和所述基本卷积特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京信息工程大学,未经南京信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211617192.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top