公开(公告)号：CN118351041A

公开(公告)日：2024-07-16

申请号：CN202410601358.3

申请日：2024-05-15

Applicant: 重庆邮电大学

Inventor： 黄俊 ,  殷艺铭 ,  尹庆

IPC: G06T5/94 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/0985 ,  G06V10/44 ,  G06V10/56 ,  G06V10/80 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明属于计算机视觉与图像处理技术领域,具体涉及一种基于卷积神经网络的轻量级低光照图像增强方法。该方法包括:获取原始暗视觉图像；将原始暗视觉图像送入设计的ULDCE‑Net网络，利用损失函数对网络进行约束，得到多个像素级曲线映射对应的高阶曲线。将原始暗视觉图像送入高阶曲线进行8次迭代增强处理，得到增强后的图像。网络ULDCE‑Net隐藏层都采用本发明设计的动态特征融合模块对浅层和深层网络进行拼接，减少了网络传递过程中的冗余信息，促使模型进行高效的特征融合；卷积层采用本发明设计的RepDSC卷积模块，提高了模型特征提取能力，实现了模型的轻量化。本发明在网络参数量小、训练速度快的同时还有良好的图像增强视觉效果，具有实用价值。

公开(公告)号：CN118351040A

公开(公告)日：2024-07-16

申请号：CN202410601363.4

申请日：2024-05-15

Applicant: 重庆邮电大学

Inventor： 谭钦红 ,  尹庆 ,  殷艺铭

IPC: G06T5/92 ,  G06T5/70 ,  G06T5/20 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/094 ,  G06N5/04 ,  G06N7/01 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出了一种基于RetinexNet改进的低光照图像增强方法。总体来说分为三部分：分解网络、亮度调整网络和去噪网络。首先，通过在分解网络使用残差模块(RB)和跳跃连接，获取更多的细节纹理并抑制部分噪声；其次，为了减少光照图中细节的缺失，提高光照分量的对比度，改进亮度调整网络，并在亮度调整网络融入了DAN注意力机制；最后在整体网络框架中引入去噪网络进行噪声处理，与亮度调整网络相配合，从而得到正常光照的图像。调整各个网络的结合细节，构造出合适框架，最后得到对比度更好，细节提取更到位，噪声更少的增强图像。