【技术实现步骤摘要】
本专利技术涉及图像增强，尤其是涉及一种基于隐空间扩散模型的模糊图像通用增强方法。
技术介绍
1、图像增强是一种提升图像高频细节清晰度和低频内容可见性的技术，能够有效的改善视觉效果，同时有助于后续图像处理，如目标检测，图像分割，目标识别等。常见的图像增强任务有低光照图像增强，水下图像增强，医学图像增强等。
2、传统增强算法依靠大量先验知识，针对模糊图像对比度弱和成像区域亮度低，提升全局的对比度与亮度，具体可分为三类：基于变换函数，基于滤波器和基于统计直方图的方法。虽然这样的方法能够增加背景与高频细节的对比度，但是其使得增强后的图像丢失了重要的颜色信息，且在提升对比度的同时，局部噪声也被增强，不利于图像的后续任务，如水下图像的目标检测与医学图像中的辅助诊疗。另外，传统增强算法大多利用先验知识，需要设计复杂的算法模型，难以在不同数据集上获得较为一致的增强效果，算法泛化性弱。
3、基于深度学习的增强算法常通过域配对图像进行模型训练，其中具有代表性的有：变分自编码器、基于能量的模型、生成对抗网络等。虽然这些模型在图像增强任...
【技术保护点】
1.一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：步骤S1具体包括以下步骤：
3.根据权利要求1所述的一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：在步骤S2中，微调训练集由像素级匹配的清晰-模糊图像对构成，其中模糊图像由清晰图像退化生成，构建微调训练集具体包括以下步骤：
4.根据权利要求3所述的一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：选取模糊图像或清晰图像经过步骤S242退化生成的模糊图像构建
...【技术特征摘要】
1.一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：步骤s1具体包括以下步骤：
3.根据权利要求1所述的一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：在步骤s2中，微调训练集由像素级匹配的清晰-模糊图像对构成，其中模糊图像由清晰图像退化生成，构建微调训练集具体包括以下步骤：
4.根据权利要求3所述的一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：选取模糊图像或清晰图像经过步骤s242退化生成的模糊图像构建微调数据集。
5.根据权利要求1所述的一种基于隐空间扩散模型的模糊图像通用增强方法，其特征在于：在步骤s3中，...
【专利技术属性】
技术研发人员：李慧琦，韩浩楠，杨邴予，张蔚航，
申请(专利权)人：北京理工大学，
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。