申请/专利权人：西北大学

申请日：2024-03-05

公开（公告）日：2024-06-04

公开（公告）号：CN118134822A

主分类号：G06T5/92

分类号：G06T5/92;G06T7/41;G06V10/774;G06V10/82;G06T5/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.21#实质审查的生效;2024.06.04#公开

摘要：本发明公开了一种基于UNet网络的低光照图像增强方法，包括步骤：1、收集不同光照下的图像并添加到LOLdataset，合成新数据集；2、对新数据集的图像数据预处理并划分为训练集、验证集和测试集；3、基于UNet网络的图像增强网络以自监督的方式从训练集中选取低照度和正常光照度的RGB图像，寻找每个RGB图像所有通道维度中的最大值并作为新通道添加到原RGB图像，得到RGB‑D图像；4、层级分解网络分解RGB‑D图像中的弱光图像及对应的正常光照图像，得到反射分量Rlowx,y和光照分量Ilowx,y；5、调节恢复网络接收反射分量Rlowx,y和光照分量Ilowx,y，生成Ilow_outx,y，并通过BM3D算法抑制噪声，生成Rlow_outx,y；6、将Rlow_outx,y和Ilow_outx,y逐元素乘积进行融合，生成增强后的图像。本发明提升了图像的亮度，使图像细节纹理更丰富。

主权项：1.一种基于UNet网络的低光照图像增强方法，其特征在于，包括如下步骤：步骤1、收集不同光照条件下的图像数据，并将其添加到开源的低光照数据集LOLdataset中，合成新数据集；步骤2、对新数据集中的图像数据预处理，将预处理后的数据集划分为训练集、验证集和测试集；步骤3、将训练集导入基于UNet网络的图像增强网络，图像增强网络以自监督的方式从训练集中选取低照度的RGB图像和正常照度的RGB图像，寻找每个RGB图像所有通道维度中的最大值，将最大值作为一个新的通道添加到原始的RGB图像，得到RGB-D图像；所述基于UNet网络的图像增强网络包括层级分解网络和调节恢复网络，所述层级分解网络共分为八层，其中：第一层包括两个卷积层加LReLu激活，第二层、第三层和第四层均包括池化层、两个卷积层加LReLu激活，第五层和第六层均包括上采样层、跳跃连接层和两个卷积层加LReLu激活，第七层包括上采样层、跳跃连接层、两个卷积层加LReLu激活和SE通道注意力模块层，第八层为逐点卷积层；所述调节恢复网络为encoder-decoder架构，且引入了多尺度连接；步骤4、层级分解网络对RGB-D图像中的弱光图像及其对应的正常光照图像进行分解，得到反射分量Rlowx,y和光照分量Ilowx,y；步骤5、调节恢复网络接收反射分量Rlowx,y和光照分量Ilowx,y，通过BM3D算法抑制反射图中被放大的噪声，生成Rlow_outx,y；步骤6、调节恢复网络通过编码和解码生成Ilow_outx,y，再将反射分量Rlow_outx,y和光照分量Ilow_outx,y逐元素乘积进行融合，生成增强后的图像。

全文数据：

权利要求：

百度查询： 西北大学 一种基于UNet网络的低光照图像增强方法

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