基于深度展开网络的低光增强方法及装置制造方法及图纸

基于深度展开网络的低光增强方法及装置，在客观和主观质量评估方面都具有优越的性能，能够更好地实现低光照度图像增强。方法包括：(1)输入低光照度图像；(2)对光照度与反射率进行初始化操作，通过迭代求解光照度与反射率两个子问题优化，将五点正定矩阵按照其矩阵性质将其五条对角线存储为新矩阵，并将新矩阵采用Hadamard乘积运算来优化五点正定矩阵乘积运算；(3)通过局部区域的自适应方法对光照分量进行增强，得到具有较好曝光度的增强光照分量；(4)将增强光照分量与反射分量进行去噪处理，得到去噪后的反射率；(5)将增强光照分量与去噪后的反射率通过元素乘积得到增强后的结果；(6)输出增强后的图像。

【技术实现步骤摘要】

本专利技术涉及图像处理的，尤其涉及一种基于深度展开网络的低光增强方法，以及一种基于深度展开网络的低光增强装置。

技术介绍

1、在低照度条件下捕获的图像通常会出现亮度低、对比度低和颜色失真等问题，这对图像的视觉效果和后续的视觉处理任务如目标检测和人脸检测等都带来了挑战。低光照图像由于过低的光照掩盖了大量的图像信息，导致图像可用信息较少且含有大量的噪声。传统的直方图均衡化方法与伽马校正方法虽然都通过改变像素的灰度值在一定程度上提高图像的亮度，但仍存在细节丢失与噪声过大的现象。

2、retinex理论基于人眼对颜色的感知和颜色恒常性原理建模，将一幅图像表征为光照分量与反射分量的乘积s＝l·r。早期基于retinex理论的方法通过计算光照来估计反射率，以此来增强图像。虽然这些方法尽量保留图像中的细节信息，但单独估计反射率可能导致图像过度曝光，并产生显著的噪声干扰。之后，许多基于模型的方法引入先验知识来优化光照度和反射率的分解问题。jiep通过联合图像内外先验对低光图像进行增强，star在改善噪声处理的同时更好的分解光照度和反射率。尽管这些方法在可解释性本文档来自技高网...

【技术保护点】

1.基于深度展开网络的低光增强方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(2)中，将光照度与反射率的分解表示为式(1)、式(2)两个子问题：

3.根据权利要求2所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(2)中，将五点正定矩阵形式的权重矩阵的五条对角线存储为新矩阵P、Q：

4.根据权利要求3所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(2)的损失函数为：

5.根据权利要求4所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(3)中...

【技术特征摘要】

1.基于深度展开网络的低光增强方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(2)中，将光照度与反射率的分解表示为式(1)、式(2)两个子问题：

3.根据权利要求2所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(2)中，将五点正定矩阵形式的权重矩阵的五条对角线存储为新矩阵p、q：

4.根据权利要求3所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(2)的损失函数为：

5.根据权利要求4所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(3)中，

6.根据权利要求4所述的基于深度展开网络的低光增强方法，其特征在于：所述步骤(3...

【专利技术属性】
技术研发人员：齐娜，赵溪源，丁淑杰，朱青，王璋珂，傅娆，关晶硕，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：