申请/专利权人：合肥君正科技有限公司

申请日：2022-06-16

公开（公告）日：2023-12-26

公开（公告）号：CN117291816A

主分类号：G06T5/00

分类号：G06T5/00;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.12#实质审查的生效;2023.12.26#公开

摘要：本发明提供一种基于Zero‑DCE网络结构用于图像对比度增强的方法，包括：S1.利用传统局部对比度增强思路使用神经网络替代，改动Zero‑DCE网络：对模型进行下采样，使得模型不再是对每一个像素单独做一次不同的函数映射，而是对于一块区域做函数映射，即将图像分块，通过每个分块信息，或者灰度或是直方图，确定一个单调的映射曲线处理，如此能够同时减少模型的参数量，减小运算难度；S2.使用每个分块的标准差的L2损失作为损失函数；S3.同时使用平滑损失保证图像均匀，结构相似性损失保持图像的视觉效果；S4.使用传统方法做对比度增强后的图片作为标签，使用降低对比度的图片作为输入。

主权项：1.一种基于Zero-DCE网络结构用于图像对比度增强的方法，其特征在于，所述方法包括以下步骤：S1.利用传统局部对比度增强思路使用神经网络替代，改动Zero-DCE网络：对模型进行下采样，使得模型不再是对每一个像素单独做一次不同的函数映射，而是对于一块区域做函数映射即将图像分块，模型将对于每个分块产生一个确定的单调映射曲线，对于映射曲线的确定，是通过模型训练出的权重偏置值得到的，如此能够同时减少模型的参数量，减小运算难度；S2.使用每个分块的标准差的L2损失作为损失函数；标准差反映了图像灰度相对于平均灰度的离散情况，用来评价图像反差的大小，计算每个分块的标准差， 其中分别代表训练图与标签图在第i块的标准差，两图像分别n块，等式右边为标准差计算公式，xj与分别为训练图与标签图在第i块中j位置的像素值，与分别为训练图与标签图在第i块中的像素均值，m为第i块中的像素总数；使用L2损失计算每个标准差的损失，求和求均值； 此为L2损失的计算公式，参与计算的变量为训练图与标签图各对应块的标准差，n为图像的分块总数；将计算出的L作为对比度的损失函数；S3.同时使用平滑损失保证图像均匀，结构相似性损失保持图像的视觉效果，所述平滑损失函数为N为迭代次数，▽x，▽y分别代表水平和垂直方向的梯度操作，A为模型的输出；所述结构相似性损失公式基于样本x和y之间的三个比较衡量：亮度l、对比度c和结构s： 一般取c3＝c22；μx为x的均值,μy为y的均值,σx为x的方差,σy为y的方差,σxy为x和y的协方差,c1＝k1l2,c2＝k2l2为两个常数，避免除零，l为像素值的范围，常见RGB图像[0,255]，k1＝0.01,k2＝0.03为默认值；那么结构相似性损失函数为S4.使用传统方法，即基于直方图均衡化的图像增强，对于图像中的灰度点做映射，使得整体图像的灰度符合均匀分布，再使用对比度增强工具增强图像的对比度，做对比度增强后的图片作为标签，使用降低对比度的图片作为训练阶段模型的输入，即训练集中的输入数据。

全文数据：

权利要求：

百度查询： 合肥君正科技有限公司 一种基于Zero-DCE网络结构用于图像对比度增强的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD