【技术实现步骤摘要】
本专利技术属于数字图像低光照增强领域,涉及一种基于物理先验的无监督低光照增强方法及系统。
技术介绍
1、低光照是一种常见的图像降质,光照不足通常由低光照拍摄环境、相机故障、参数设置错误等原因造成。低光照图像的增强一直受到学术界和工业界的关注。
2、低光照图像增强方法可以分为有监督和无监督两类。目前有监督低光照图像增强方法利用成对的正常光图像和低光图像进行训练,这类方法对于训练数据和光照特定的超参数高度敏感,限制了其在应用场景上的泛化性。部分无监督低光照图像增强方法利用不成对的低光图像和正常光图像学习从低光图像域到正常光图像域的映射。这类方法虽然不需要成对的训练数据,但其针对不同场景的泛化性仍受到数据集的约束。如何能够基于物理先验充分挖掘图像中不随光照变化而变化的本质特征,而不需要低光照图像作为训练数据的零参考低光照增强方法,具有广泛的现实意义和应用价值。
技术实现思路
1、针对上述问题,本专利技术的目的在于提供一种基于物理先验的无监督低光照图像增强方法及系统,通过kubelka ...
【技术保护点】
1.一种基于物理先验的无监督低光照图像增强方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述使用基于Kubelka-Munk理论的物理先验提取正常光照图像的光照不变特征,包括:
3.根据权利要求1所述的方法,其特征在于,采用以下步骤训练所述图像生成网络:
4.根据权利要求3所述的方法,其特征在于,所述对隐变量z0进行加噪,包括:使用随机采样的时间步t、高斯噪声ε和一组超参数对隐变量z0进行加噪,得到
5.根据权利要求3所述的方法,其特征在于,通过训练旁路解码器缓解图像细节退化的问题;所述旁路
...【技术特征摘要】
1.一种基于物理先验的无监督低光照图像增强方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,所述使用基于kubelka-munk理论的物理先验提取正常光照图像的光照不变特征,包括:
3.根据权利要求1所述的方法,其特征在于,采用以下步骤训练所述图像生成网络:
4.根据权利要求3所述的方法,其特征在于,所述对隐变量z0进行加噪,包括:使用随机采样的时间步t、高斯噪声ε和一组超参数对隐变量z0进行加噪,得到
5.根据权利要求3所述的方法,其特征在于,通过训练旁路解码器缓解图像细节退化的问题;所述旁路解码器不仅接收来自sd编码器编码的正常光照图像i的隐变量z0作为输入,还通过旁路分支接收降质图像的编码中间特征作为特征补充以还原真实细节;通过重建损失计算正常光照图像i与重建的正常光照光照为之间的相似度。
6.根据权利要求5所述的方法,其特征在于,所述正常光...
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。