公开(公告)号：CN110889813A

公开(公告)日：2020-03-17

申请号：CN201911125919.2

申请日：2019-11-15

Applicant: 安徽大学

Inventor： 汪粼波 ,  杨德云 ,  方贤勇

IPC: G06T5/40 ,  G06N3/04 ,  G06N3/08

Abstract: 为了克服背景技术的不足，本发明提出一种端到端的两阶段的神经网络模型来融合低光和红外信息增强图像，以到达增强低光图片的目的。首先，我们发现低光图片，由于光线较低造成局部信息丢失，单纯的增强低光图片，无法补充丢失的信息。受此问题的启发，我们考虑结合低光下红外图像，两个状态下的信息相互补充。整个模型中，我们在第一阶段对图像像素不为零区域，进行亮度和对比度提升。在网络的第二部分运用前景关注模块，重建缺失区域的图像，以此最终获得完整的亮图像。有益的技术效果：相比其他算法，本发明的算法引入了红外信息，在局部低光的情况下，恢复出了更多的细节，增强的图像整体更加的自然，且算法能处理更暗的图像。

公开(公告)号：CN110889813B

公开(公告)日：2023-11-24

申请号：CN201911125919.2

申请日：2019-11-15

Applicant: 安徽大学

Inventor： 汪粼波 ,  杨德云 ,  方贤勇

IPC: G06T5/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 为了克服背景技术的不足，本发明提出一种端到端的两阶段的神经网络模型来融合低光和红外信息增强图像，以到达增强低光图片的目的。首先，我们发现低光图片，由于光线较低造成局部信息丢失，单纯的增强低光图片，无法补充丢失的信息。受此问题的启发，我们考虑结合低光下红外图像，两个状态下的信息相互补充。整个模型中，我们在第一阶段对图像像素不为零区域，进行亮度和对比度提升。在网络的第二部分运用前景关注模块，重建缺失区域的图像，以此最终获得完整的亮图像。有益的技术效果：相比其他算法，本发明的算法引入了红外信息，在局部低光的情况下，恢复出了更多的细节，增强的图像整体更加的自然，且算法能处理更暗的图像。