【技术实现步骤摘要】
本专利技术属于计算机视觉，特别涉及一种改进影像系统扫描图像检测方法。
技术介绍
1、在影像系统扫描图像检测场景中，低光图像检测的难度在于低光条件下图像中的信息量减少，导致图像的对比度降低、细节模糊以及噪声增加。这使得在低光环境下获取清晰、准确的图像变得更加具有挑战性，对于后续的图像分析和处理造成了困难。因此，对低光图像进行增强具有重要意义。图像增强可以通过提高图像的亮度、增加对比度、降低噪声等方式，使图像在视觉上更加清晰、鲜明，并提取出更多的有用信息。这不仅可以改善图像的质量和观感，还有助于提高后续图像处理算法的性能和准确度，从而更好地满足各种应用需求，如图像识别、目标检测、医学影像分析等。
2、深度神经网络在增强低光图像方面取得了显著进展，各种低光图像增强方法主要通过提高图像的亮度和降低噪声来实现。然而，目前大部分方法都是基于启发式的端到端映射网络构建的，这种方法忽视了图像增强任务的潜在规律，导致缺乏透明度和可解释性。尽管已经提出了一些解决方案来缓解这些问题，但它们往往依赖于提供模糊和隐含先验的网络结构。
【技术保护点】
1.一种改进影像系统扫描图像检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种改进影像系统扫描图像检测方法，其特征在于，在S3步骤中，对于Retinex分解模块，按照Retinex理论将输入图像分为照明分量、反射率分量和噪声分量，对于输入图像Il，Il＝R0⊙L0+N0，⊙代表逐元素相乘，R0代表反射率分量，L0代表照明分量，N0代表噪声分量，然后输入Il、R0、L0和N0到Retinex分解步骤，分解步骤包含T次迭代，T次迭代之后得到RT和NT。
3.根据权利要求1所述的一种改进影像系统扫描图像检测方法，其特征在于，在S4步骤...
【技术特征摘要】
1.一种改进影像系统扫描图像检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种改进影像系统扫描图像检测方法，其特征在于，在s3步骤中，对于retinex分解模块，按照retinex理论将输入图像分为照明分量、反射率分量和噪声分量，对于输入图像il，il＝r0⊙l0+n0，⊙代表逐元素相乘，r0代表反射率分量，l0代表照明分量，n0代表噪声分量，然后输入il、r0、l0和n0到retinex分解步骤，分解步骤包含t次迭代，t次迭代之后得到rt和nt。
3.根据权利要求1所述的一种改进影像系统扫描图像检测方法，其特征在于，在s4步骤中，对于定制照明先验模块cip，输入照明分量l1，得到调整后的照明分量首先通过l1得到lfp，为unet卷积网络预训练得到的编码器，通过lfp得到ups代表将lfp上采样到和相同的空间大小，conv代表卷积层，sigmoid代表sigmoid激活函数。
4.根据权利要求1所述的一种改进影像系统扫描图像检测方法，其特征在于，在s5步骤中，对于照明调整网络，输入值为ε的指标和照明分量输出增强的照明分量len，为输入低光图像il分解出的照明分量，ln为输入正常图像in分解出的照明分量，照明调整网络由u-net实现，包含三个尺度，通道数依次为12、24和48。
5.根据权利要求1所述的一种改进影像系统扫描图像检测方法，其特征在于，在s6步骤中，对于反射率恢复网络，输入照明分量反射率分量rt和噪声分量nt到反射率恢复网络，输出恢复的反射率图rre，反射率恢复网络由u-net实现，包含三个尺度，通道数依次为12、24和48。
6.根据权利要求1所述的一种改进影像系统扫描图像检测方法，其特征在于，在s7步骤中，对于低光图像增强模块，输入图像il，il＝r0⊙l0+n0，⊙代表逐元素相乘，r0代表反射率分量，l0代...
【专利技术属性】
技术研发人员：房泽辉，
申请(专利权)人：济南深览电子科技有限公司，
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。