【技术实现步骤摘要】
本专利技术属于弱光图像增强方法，涉及基于多曝光图像扩散生成弱光增强图像的方法。
技术介绍
1、弱光图像增强是计算机视觉领域中的一项底层视觉任务，由于实际场景过暗或者图像捕获中的照明不足从而显著降低图像的质量。丢失的细节和低对比度不仅会造成不愉快的主观感受，而且损害了许多为正常光图像设计的计算机视觉系统的性能，不利于下游任务，如目标检测、人脸识别等的进行。而弱光增强的目的就是通过图像处理手段调整弱光或暗光图像的像素分布，使其拥有正常的光照视觉效果。目前基于深度学习的方法通过数据驱动的方式从大量数据中学习到弱光图像和正常曝光图像之间的逐像素映射关系，已经可以获得不错的增强效果。这种以数据驱动的方式尤其关注于数据集的质量和数量，数据集的好坏直接关系到训练后的模型的增强效果。
2、《low-light image enhancement with wavelet-based diffusionmodels》(作者：hai等人)利用现有公开的弱光数据集使用小波变换将输入的图像进行小波变换，将图像域信息变换到小波域信息，再利用扩散模型进...
【技术保护点】
1.基于多曝光图像扩散生成弱光增强图像的方法，其特征在于，具体按照如下步骤实施：
2.根据权利要求1所述的基于多曝光图像扩散生成弱光增强图像的方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的基于多曝光图像扩散生成弱光增强图像的方法，其特征在于，所述步骤1.1具体为：
4.根据权利要求3所述的基于多曝光图像扩散生成弱光增强图像的方法，其特征在于，所述加噪步数T为1000，偏移步长为s＝0.0008，噪声估计网络的图像patch大小均被设置为600*400，设置初始学习率为0.01，损失函数收敛时，迭代训练次数epoch为
<...【技术特征摘要】
1.基于多曝光图像扩散生成弱光增强图像的方法，其特征在于，具体按照如下步骤实施：
2.根据权利要求1所述的基于多曝光图像扩散生成弱光增强图像的方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的基于多曝光图像扩散生成弱光增强图像的方法，其特征在于，所述步骤1.1具体为：
4.根据权利要求3所述的基于多曝光图像扩散生成弱光增强图像的方法，其特征在于，所述加噪步数t为1000，偏移步长为s＝0.0008，噪声估计网络的图像patch大小均被设置为600*400，设置初始学习率为0.01，损失函数收敛时，迭代训练次数epoch为500次。
5.根据权利要求3所述的基于多曝光图像扩散生成弱光增强...
【专利技术属性】
技术研发人员：肖照林，杨航，苏浩楠，金海燕，
申请(专利权)人：西安理工大学，
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。