【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其是涉及一种基于带指导可控网络的低光图像增强方法。
技术介绍
1、低光增强是计算机视觉领域一项重要而又具有挑战性的任务，其目的是改善低能见度和低对比度的图像。一张高质量的图像是夜间物体检测等其他视觉任务的基石，因此，人们提出了大量用于弱光图像增强的算法，然而，这些现有的算法都有各自的缺点。传统的方法，如直方图均衡化和伽玛校正等，几乎不考虑复杂的照明因素，往往会产生不必要的伪影。这些传统方法简单，侧重于照度和光效估计，但通常会引入严重的噪声或局部颜色失真，这与真实的曝光情况不符。
2、随着深度学习的发展，卷积神经网络在低光图像增强中得到了广泛的应用，这些基于卷积的方法主要分为两类。第一类利用卷积让低光图像学习正常光的分布，通过一系列的映射和生成鉴别器实现暴力学习，从而忽略了不同数据集的光照分布情况，忽略了人类对不同场景下对于颜色和光照的感知，这种方法缺乏理论证明。第二类利用卷积对图像进行分解，进行反射和照度的调整，然而这些端到端的卷积模型通常参数量庞大，耗时又不精准。此外，考虑到卷积模型对长距离依赖...
【技术保护点】
1.一种基于带指导可控网络的低光图像增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于带指导可控网络的低光图像增强方法，其特征在于，所述获得图像的遮罩图层、反射图层和光照图层步骤具体包括：
3.根据权利要求2所述的一种基于带指导可控网络的低光图像增强方法，其特征在于，所述图像增强处理操作包括随机裁剪和随机旋转。
4.根据权利要求1所述的一种基于带指导可控网络的低光图像增强方法，其特征在于，所述带控制的Transformer块中的编码器模块包括两部分，分别为锁定部分和可训练部分，所述锁定部分用于基于所述低光图像提取...
【技术特征摘要】
1.一种基于带指导可控网络的低光图像增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于带指导可控网络的低光图像增强方法，其特征在于，所述获得图像的遮罩图层、反射图层和光照图层步骤具体包括：
3.根据权利要求2所述的一种基于带指导可控网络的低光图像增强方法，其特征在于，所述图像增强处理操作包括随机裁剪和随机旋转。
4.根据权利要求1所述的一种基于带指导可控网络的低光图像增强方法，其特征在于，所述带控制的transformer块中的编码器模块包括两部分，分别为锁定部分和可训练部分，所述锁定部分用于基于所述低光图像提取完整特征，所述可训练部分用于基于所述遮罩图层、反射图层和光照图层对特征提取过程进行指导。
5.根据权利要求4所述的一种基于带指导可控网络的低光图像增强方法，其特征在于，所述锁定部分包括依次连接的第一归一化层、多头自注意力层、第二归一化层、多层感...
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。