一种低照度图像增强方法、系统、设备及存储介质技术方案

本发明专利技术属于图像处理技术领域，尤其涉及一种低照度图像增强方法、系统、设备及存储介质。旨在解决现有技术中存在的在面对多样化的实际场景时，如角度畸变、复杂光照条件、严重噪声等，泛化能力不足的技术问题。包括：原始图像首先通过编码器中的多个第一卷积层逐步下采样，每层减少空间维度并增加通道数，提取多级编码特征。最后一个编码层输出送入瓶颈部，经多个第二卷积层融合特征后得到融合图像。随后，融合图像输入解码器，通过与编码器数量相同的第三卷积层逐步上采样，恢复空间维度并减少通道数。解码过程中采用跳跃连接，将每一层解码特征与对应编码层的特征拼接，最后的解码输出与最初的编码特征相加，生成最终的增强特征图像。

【技术实现步骤摘要】

本专利技术属于图像处理，尤其涉及一种低照度图像增强方法、系统、设备及存储介质。

技术介绍

1、在光线昏暗的环境中，比如夜晚或地下空间，由于光照不足以及外界因素的影响，所拍摄的照片往往存在诸多问题。这些问题包括但不限于：图像整体色调偏暗、细节模糊不清、色彩失真严重以及背景噪声显著增加等。这些缺陷不仅严重影响了图片的观赏性和实用性，同时也对后续的计算机视觉分析任务构成了障碍，例如目标识别、场景理解等高级应用。因此需要对图像进行优化处理。

2、现有技术中，利用深度卷积神经网络通过多层非线性变换，能够自动学习图像中的特征表示，从而有效提升低照度图像的质量。例如：retinexformer模型，通过模拟人眼的感知机制，利用自注意力机制处理图像的不同区域，从而有效地增强低光图像的细节，并提升图像的整体质量；uretinex-net（unified retinex network）基于retinex理论的深度展开网络，通过将低光图像分解为反射层和光照层来实现图像增强；difflle和pydiff等模型通过模拟物质扩散过程，在去噪和细节增强之间找到了巧妙的平衡本文档来自技高网...

【技术保护点】

1.一种低照度图像增强方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种低照度图像增强方法，其特征在于，还包括：

3.根据权利要求1所述的一种低照度图像增强方法，其特征在于，所述第一卷积层、第二卷积层和第三卷积层都由Mamba模块和通道注意力模块组成；

4.根据权利要求3所述的一种低照度图像增强方法，其特征在于，还包括：

5.根据权利要求3所述的一种低照度图像增强方法，其特征在于，得到图像的空间特征具体包括：

6.根据权利要求3所述的一种低照度图像增强方法，其特征在于，得到增强表示特征具体包括：</p>

7.根据...

【技术特征摘要】

1.一种低照度图像增强方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种低照度图像增强方法，其特征在于，还包括：

3.根据权利要求1所述的一种低照度图像增强方法，其特征在于，所述第一卷积层、第二卷积层和第三卷积层都由mamba模块和通道注意力模块组成；

4.根据权利要求3所述的一种低照度图像增强方法，其特征在于，还包括：

5.根据权利要求3所述的一种低照度图像增强方法，其特征在于，得到图像的空间特征具体包括：

6.根据权利要求3所述的一种低照度图像增强方法，...

【专利技术属性】
技术研发人员：曹润东，余家忠，刘子伟，施林苏，曹晟，麻文军，吴旭东，刘昱含，
申请(专利权)人：中国铁塔股份有限公司，
类型：发明
国别省市：