一种基于深度神经网络的低照度图像对比度增强方法技术

本发明专利技术提出了一种基于深度神经网络的低照度图像对比度增强方法，涉及图像处理技术领域，包括：S1、获取原始图像，并对原始图像进行筛选以得到低照度图像；S2、将低照度图像缩放到固定大小后提取其亮度信息以得到亮度通道图像；S3、基于深度神经网络对亮度通道图像进行学习以得到亮度增强曲线；S4、根据亮度增强曲线对亮度通道图像进行调整，得到增强后的亮度通道图像；S5、将增强后的亮度通道图像与原始图像的色彩信息合并，输出最终的增强图像；本发明专利技术可以实时对亮度通道图像进行调整，实现根据图像的特性动态地调整每个像素的亮度，能够显著增强图像对比度和处理效率，有效地提高图像的视觉效果，减小计算误差，增强图像对比度。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体而言，涉及一种基于深度神经网络的低照度图像对比度增强方法。

技术介绍

1、近年来，图像信息在人们的日常生活中的应用越来越广泛，并且在一些应用场景中，对图像的质量要求越来越高。其中，图像的对比度为影响图像质量的关键因素之一。

2、目前的自适应图像对比度增强算法主要分为灰度变换法和直方图调整法两类。其中，灰度变换法可分为对数变换、指数变换等，该类方法仅是通过调整图像灰度动态范围来提高对比度，对视觉效果提升不明显。直方图调整可分为直方图均衡化、直方图规定化等，该类方法多是针对图像整体进行全局处理，因此很可能增强图像细节信息的同时，造成增强后图像出现噪声放大、伪像等问题。然而，现有的自适应直方图均衡化法虽然能够有效提高图像的视觉效果，但算法一般较为复杂、计算量大、处理效率较低。

技术实现思路

1、本专利技术的目的在于提供一种基于深度神经网络的低照度图像对比度增强方法，其能够显著增强图像对比度，有效地提高图像的视觉效果。

2、本专利技术的技术方案为：

3、本文档来自技高网...

【技术保护点】

1.一种基于深度神经网络的低照度图像对比度增强方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于深度神经网络的低照度图像对比度增强方法，其特征在于，步骤S1包括：

3.如权利要求1所述的一种基于深度神经网络的低照度图像对比度增强方法，其特征在于，步骤S3中，所述基于深度神经网络对亮度通道图像进行学习以得到亮度增强曲线的计算公式包括：

4.如权利要求3所述的一种基于深度神经网络的低照度图像对比度增强方法，其特征在于，步骤S4中，所述根据亮度增强曲线对亮度通道图像进行调整的计算公式包括：

5.如权利要求1所述的一种基于深度神经网络...

【技术特征摘要】

1.一种基于深度神经网络的低照度图像对比度增强方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于深度神经网络的低照度图像对比度增强方法，其特征在于，步骤s1包括：

3.如权利要求1所述的一种基于深度神经网络的低照度图像对比度增强方法，其特征在于，步骤s3中，所述基于深度神经网络对亮度通道图像进行学习以得到亮度增强曲线的计算公式包括：

4.如权利要求3所述的一种基于深度神经网络的低照度图像对比度增强方法，其特征在于，步骤s4中，所述根据亮度增强曲线对亮度通道图像进行调整的计算公式包括：

5.如权利要求1所述的一种基于深度神经网络的低照度图像对比度增强方法，...

【专利技术属性】
技术研发人员：赵金雄，张驯，李林明，狄磊，魏峰，王海，赵红，刘怡彤，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，
类型：发明
国别省市：