一种基于HSV和Transformer的无监督低照度图像增强方法技术

本发明专利技术公开了一种基于HSV和Transformer的无监督低照度图像增强方法，简称HSVFormer。通过将输入的RGB图像转换为HSV图像，保留H和S子空间从而有效保存色彩信息；在V子空间通过引入扰动项改进Retinex，设计了一个基于改进Retinex的无监督亮度增强网络，包含亮度估计网络和亮度引导Transformer，模拟真实的低照度图像退化，估计亮度信息并将估计得到的亮度信息进行增强；重新组合H、S和增强后的V子空间并将增强图像转换为RGB图像，从而实现低照度图像增强。本发明专利技术在保留颜色信息的同时，有效地去除了隐藏在黑暗中的噪声，并增强了图像暗区的亮度，更高效、精确的增强低照度图像。

【技术实现步骤摘要】

本专利技术属于图像处理技术及计算机视觉领域，具体涉及一种基于hsv和transformer的无监督低照度图像增强方法。

技术介绍

1、低照度图像增强是将低照度图像转化为具有完整结构和细节、视觉效果自然、清晰的正常光照图像的过程。

2、近年来，随着计算机视觉领域的进步，学者们提出了很多低照度图像增强算法。主要包括两类：传统的低照度图像增强方法和基于深度学习的低照度图像增强方法。

3、具有代表性的传统低照度图像增强方法主要包括：直方图均衡化和基retinex理论的方法等。直方图均衡化是利用图像像素灰度级分布进行图像对比度增强的方法，此类方法会导致图像部分区域过度增强出现细节过度突出、过曝以及放大噪声等问题。基于retinex理论的方法以三色理论和颜色恒定性为基础，通过对图像进行分解并引入不同先验正则化来构建照明和反射图像。然而，这些人工设计的先验和约束无法有效适应各种照明条件，容易导致图像细节信息缺失、颜色出现偏差等问题。

4、与传统方法相比，基于深度学习的低照度图像增强方法具有更好的准确性、鲁棒性和运行速度，因此，受到学者本文档来自技高网...

【技术保护点】

1.一种基于HSV和Transformer的无监督低照度图像增强方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于HSV和Transformer的无监督低照度图像增强方法，其特征在于，所述的步骤2的具体步骤包括：

3.如权利要求1所述的基于HSV和Transformer的无监督低照度图像增强方法，其特征在于，所述步骤3的具体步骤包括：

4.如权利要求3所述的基于HSV和Transformer的无监督低照度图像增强方法，其特征在于，所述步骤3第a)步中VG-MCSA的具体步骤包括：

5.如权利要求1所述的基于HSV和Transfor...

【技术特征摘要】

1.一种基于hsv和transformer的无监督低照度图像增强方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于hsv和transformer的无监督低照度图像增强方法，其特征在于，所述的步骤2的具体步骤包括：

3.如权利要求1所述的基于hsv和transformer的无监督低照度图像增强方法，其特征在于，所述步骤3的具体步骤包括：

4.如权利要求3所述的基于hsv和transformer的无监督低照度图像增强方法，其特征在于，所述步骤3第a)步中vg-mcsa的具体步骤包括：

5.如权利要求1所述的基于hsv和transformer的无监督低照度图像增强方法，其特征在于，所述步骤4中的损失函数lloss由四...

【专利技术属性】
技术研发人员：杜晓刚，杨猛，路文杰，雷涛，王营博，曾杰鹏，张翠，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：