【技术实现步骤摘要】
本专利技术属于弱光图像增强，涉及基于混合注意力的渐进式弱光图像增强方法。
技术介绍
1、当今，图像的分析和处理在各个领域中提供了支持和决策依据，包括医学影像、安防监控、自动驾驶等。然而，在弱光条件下，由于光线不足或环境限制，所获取的图像往往存在低亮度、低对比度、高噪声、颜色失真等多重退化问题，导致图像中的细节难以辨别，进而影响后续图像分析与处理的准确性和可靠性。为了在弱光条件下获得高质量的图像，通常可以使用一些方法。其中一种方法是使用外部照明设备，但这可能会导致产生不自然的照明效果，并干扰被摄主体或场景中的其他物体。另一种常见的方法是延长曝光时间或使用高感光度(iso)设置，然而这往往容易导致图像模糊和引入高噪声，从而降低图像质量。因此，通过计算机算法进行弱光图像增强(llie)成为一个具有高应用价值的研究课题。
2、以往的方法尝试整合多尺度特征来扩展模型的接受野，以捕获更丰富的上下文信息，例如，一些研究采用多尺度残差块或拉普拉斯金字塔多尺度结构来捕捉丰富的上下文信息。然而，这些方法直接从严重退化的图像中提取多尺度信息，容易...
【技术保护点】
1.基于混合注意力的渐进式弱光图像增强方法，其特征在于：具体包括如下过程：输入弱光图像经卷积得到初始特征映射，随后经过第一阶段子网络，由重建混合注意力模块对特征进行初步的整合；随后第二阶段子网络和第三阶段子网络以渐进融合的方式充分利用多尺度特征，实现特征的全局信息表达；最后引入像素损失、多尺度感知损失和颜色损失，进而重建出更高质量的弱光图像恢复结果。
2.根据权利要求1所述的基于混合注意力的渐进式弱光图像增强方法，其特征在于：具体包括如下步骤：
3.根据权利要求2所述的基于混合注意力的渐进式弱光图像增强方法，其特征在于：所述步骤1中，将训练集图...
【技术特征摘要】
1.基于混合注意力的渐进式弱光图像增强方法，其特征在于：具体包括如下过程：输入弱光图像经卷积得到初始特征映射，随后经过第一阶段子网络，由重建混合注意力模块对特征进行初步的整合；随后第二阶段子网络和第三阶段子网络以渐进融合的方式充分利用多尺度特征，实现特征的全局信息表达；最后引入像素损失、多尺度感知损失和颜色损失，进而重建出更高质量的弱光图像恢复结果。
2.根据权利要求1所述的基于混合注意力的渐进式弱光图像增强方法，其特征在于：具体包括如下步骤：
3.根据权利要求2所述的基于混合注意力的渐进式弱光图像增强方法，其特征在于：所述步骤1中，将训练集图像对进行随机裁剪，将图像大小调整为256×256像素以增广训练数据集，同时将增广训练数据集中的正常光照图像ih分别进行1/2和1/4的等比例缩放，得到大小为128×128和...
【专利技术属性】
技术研发人员：张凯兵，陈珂，时光，李敏奇，习龙，陈金广，刘宝宝，孟雅蕾，
申请(专利权)人：西安工程大学，
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。