本发明专利技术涉及计算机图像增强，具体涉及一种基于操作序列搜索的低照度图像增强方法，包括用户选择操作候选值集合并设定操作序列长度为n，并由n个操作搜索模块级联构成神经网络；为用户选择的候选值集合中的每个操作构建一个自定义网络层；每个操作搜索模块根据输入图像从操作候选值集合中选择一个操作，调用选择的操作对应的自定义网络对图像进行处理；本发明专利技术不仅增加了端到端网络的可解释性，还允许用户根据特定需求定制操作序列，有效提高图像处理的灵活性和效率。
【技术实现步骤摘要】
本专利技术涉及计算机图像增强，具体涉及一种基于操作序列搜索的低照度图像增强方法。
技术介绍
1、低照度图像是指数字图像的采集过程中，由于不可避免的环境和/或技术限制等诸多不可控因素，如照明不足、曝光时间有限或存在背光、非均匀光照和弱光的干扰，导致图像的质量受损。经过图像转换、存储、传输等操作后，这种低照度图像的质量进一步下降，进而影响了高层视觉任务应用过程中信息的获取与利用。
2、现有的低照度图像增强算法可以大致分为基于空间域的方法、基于频域的方法、基于retinex的方法和基于深度学习的方法四类。
3、基于空间域的增强算法利用曲线变换、直方图均衡化等方法改变原图像中每一个像素的灰度值的分布和动态范围，从而提高图像的亮度和清晰度；基于频域的增强算法通过傅里叶变换将图像转换到频域，经过相应的处理后将最终图像反变换回空间域；但是由于这两种增强算法与成像过程无关，缺乏对于低照度图像自身对于光照需求的建模以及忽略了分布内在的联系。因此，这类算法的增强能力有限，适应性较差，并且会出现颜色失真以及细节异常等现象。
>4、基于retin本文档来自技高网...
【技术保护点】
1.一种基于操作序列搜索的低照度图像增强方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于操作序列搜索的低照度图像增强方法，其特征在于，操作候选值集合中的操作至少包括线性变换、Gamma校正、对数变换、maxRGB、对比度增强、直方图均衡化、单尺度视网膜算法、多尺度视网膜算法、带颜色恢复的多尺度视网膜算法、同态滤波以及小波变换。
3.根据权利要求2所述的一种基于操作序列搜索的低照度图像增强方法，其特征在于，当操作为线性变换，即将输入图像的动态范围[a,b]转换到[c,d]，则输入图像与输出图像的关系表示为：
4.根据权利要求2所述的...
【技术特征摘要】
1.一种基于操作序列搜索的低照度图像增强方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于操作序列搜索的低照度图像增强方法，其特征在于，操作候选值集合中的操作至少包括线性变换、gamma校正、对数变换、maxrgb、对比度增强、直方图均衡化、单尺度视网膜算法、多尺度视网膜算法、带颜色恢复的多尺度视网膜算法、同态滤波以及小波变换。
3.根据权利要求2所述的一种基于操作序列搜索的低照度图像增强方法，其特征在于，当操作为线性变换，即将输入图像的动态范围[a,b]转换到[c,d]，则输入图像与输出图像的关系表示为：
4.根据权利要求2所述的一种基于操作序列搜索的低照度图像增强方法，其特征在于，当为gamma校正，则输入图像与输出图像的关系表示为：
5.根据权利要求1所述的一种基于操作序列搜索的低照度图像增强方法，其特征在于，操作搜索模块包括级联的第一卷积模块、第二卷积模块、全连接...
【专利技术属性】
技术研发人员：赵志强，黄日晨，李哲，关衡，周小龙，张博，王智，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。