公开(公告)号：CN114972107A

公开(公告)日：2022-08-30

申请号：CN202210663857.6

申请日：2022-06-14

Applicant: 福州大学

Inventor： 牛玉贞 ,  陈铭铭 ,  李悦洲 ,  林晓锋

IPC: G06T5/00 ,  G06T5/50 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于多尺度堆叠式注意力网络的低照度图像增强方法，包括以下步骤：步骤A：对原始低照度图像和正常照度图像的训练图像对进行预处理，得到原始低照度图像和正常照度图像组成的训练图像对；步骤B：设计多尺度自适应融合堆叠式注意力网络作为低照度图像增强网络，该网络包含多尺度自适应特征融合模块，堆叠式注意力残差模块和傅里叶重建模块；步骤C：设计低照度图像增强网络的目标损失函数，训练网络至收敛到阈值或迭代次数达到阈值；步骤D：将待测图像输入到所设计的低照度图像增强网络中，利用训练好的网络预测生成正常照度图像。本发明能实现低照度图像增强，生成正常照度下的高质量图像。

公开(公告)号：CN114972107B

公开(公告)日：2024-07-26

申请号：CN202210663857.6

申请日：2022-06-14

Applicant: 福州大学

Inventor： 牛玉贞 ,  陈铭铭 ,  李悦洲 ,  林晓锋

IPC: G06T5/92 ,  G06T5/50 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种基于多尺度堆叠式注意力网络的低照度图像增强方法，包括以下步骤：步骤A：对原始低照度图像和正常照度图像的训练图像对进行预处理，得到原始低照度图像和正常照度图像组成的训练图像对；步骤B：设计多尺度自适应融合堆叠式注意力网络作为低照度图像增强网络，该网络包含多尺度自适应特征融合模块，堆叠式注意力残差模块和傅里叶重建模块；步骤C：设计低照度图像增强网络的目标损失函数，训练网络至收敛到阈值或迭代次数达到阈值；步骤D：将待测图像输入到所设计的低照度图像增强网络中，利用训练好的网络预测生成正常照度图像。本发明能实现低照度图像增强，生成正常照度下的高质量图像。

公开(公告)号：CN115205160A

公开(公告)日：2022-10-18

申请号：CN202210960432.1

申请日：2022-08-11

Applicant: 福州大学

Inventor： 牛玉贞 ,  李悦洲 ,  陈铭铭 ,  林晓锋

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于局部场景感知的无参考低照度图像增强方法，包括以下步骤：步骤S1:获取低照度图像，并对每幅图像进行预处理，得到训练数据集；步骤S2:构建基于局部场景感知的低照度图像增强网络；步骤S3：设计用于训练步骤S2所设计网络的无参考损失函数；步骤S4:基于无参考损失函数，采用训练数据集训练基于局部场景感知的低照度图像增强网络；步骤S5:将待测图像通过训练后的基于局部场景感知的低照度图像增强网络，获取正常照度图像。本发明能有效实现低照度图像的增强。