一种信息融合视觉增强网络方法及计算机设备技术

本发明专利技术公开了一种信息融合视觉增强网络方法，包括下列步骤：步骤1：将原始图像放入信息融合图像增强模块；步骤2：高层语义特征提取；步骤3：特征拼接和特征融合；步骤4：模型训练。本发明专利技术采用深度学习技术，通过自主学习和参数自动调整，实现了对输入图像内容和特性的智能分析，进而动态选择最优增强方式，无需人工干预，从而大幅提升了操作的便捷性和用户体验。此外，经过性能优化，可广泛应用于实时或高吞吐量的场景。为用户提供了快速且高质量的图像增强服务，有望在多个领域中广泛应用。

【技术实现步骤摘要】

本专利技术属于图像增强，具体涉及到一种信息融合视觉增强网络方法及计算机设备。

技术介绍

1、图像增强是数字图像处理领域的一个重要分支，其主要目标是改善数字图像的质量、清晰度、对比度以及可视化效果，以提高图像的适用性和观察价值，进而更好地满足观察、分析和应用的需求。该技术的核心任务是突出显示图像中的特定特征，例如边缘、纹理或目标物体，从而有助于计算机视觉应用中的对象检测和识别。

2、尽管图像增强技术在多个领域取得了显著的进展，但依然存在一些重要问题和挑战需要克服。首先，过度增强对比度可能导致图像细节的丢失或产生不自然的效果，因此如何在增强对比度的同时保留关键细节是一个重要的考虑因素。这涉及到在图像处理过程中找到增强效果和图像细节之间的平衡点，以确保最终结果既具有良好的视觉效果又能提供准确的信息。其次，降噪也是一个挑战，因为在增强图像的同时，我们必须有效地减少可能存在的噪声。这要求精心挑选降噪方法，以确保在降低噪声的同时不会损害图像的细节和信息。更糟糕的是，不同的图像可能需要不同的增强方法，因此如何自动选择或调整增强参数以满足不同图像的需求也是一个本文档来自技高网...

【技术保护点】

1.一种信息融合视觉增强网络方法，其特征在于，包括下列步骤：

2.根据权利要求1所述的信息融合视觉增强网络方法，其特征在于，步骤1中将原始图像放入信息融合图像增强模块，包括：

3.根据权利要求2所述的信息融合视觉增强网络方法，其特征在于，步骤101中所述的FRM模块为双分支结构，第一个分支由两个卷积层及两个卷积的特征加法组成，第二个分支由单个卷积层及激活函数进行特征提取，最后将两个分支的进行通道维度的拼接，再经过一层卷积进行特征提取，得到该模块的输出结果。

4.根据权利要求3所述的信息融合视觉增强网络方法，其特征在于，第一个分支F1包括两个卷积层C1和...

【技术特征摘要】

1.一种信息融合视觉增强网络方法，其特征在于，包括下列步骤：

2.根据权利要求1所述的信息融合视觉增强网络方法，其特征在于，步骤1中将原始图像放入信息融合图像增强模块，包括：

3.根据权利要求2所述的信息融合视觉增强网络方法，其特征在于，步骤101中所述的frm模块为双分支结构，第一个分支由两个卷积层及两个卷积的特征加法组成，第二个分支由单个卷积层及激活函数进行特征提取，最后将两个分支的进行通道维度的拼接，再经过一层卷积进行特征提取，得到该模块的输出结果。

4.根据权利要求3所述的信息融合视觉增强网络方法，其特征在于，第一个分支f1包括两个卷积层c1和c2，以及两个卷积特征加法操作add1，如下所示：

5.根据权利要求2所述的信息融合视觉增强网络方法，其特征在于，步骤102中sppf利用了池化操作来捕获不同尺度的特征信息，使用了两种池化操作：第一个池化层通过将输入特征图划分为2x2的小区域，并选择每个小区域中的最大值来减小特征图的尺寸；第二个池化层允许配置不同大小的池化核、不同的步幅和填充，以根据任务需要捕获不同尺度的特征，默认使用大小为3x3的池化核，并进行适当的填充。

6.根据权利要求2所述的信息融合视觉增强网络方法，其特...

【专利技术属性】
技术研发人员：曾少宁，饶云波，易玉玲，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：