买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种基于元学习的图像增强方法、系统、设备和存储介质_福建亿榕信息技术有限公司;国网信息通信产业集团有限公司;中科方寸知微(南京)科技有限公司_202211286525.7 

申请/专利权人:福建亿榕信息技术有限公司;国网信息通信产业集团有限公司;中科方寸知微(南京)科技有限公司

申请日:2022-10-20

公开(公告)日:2023-03-17

公开(公告)号:CN115358952B

主分类号:G06T5/00

分类号:G06T5/00;G06T7/10;G06V10/764;G06V10/774

优先权:

专利状态码:有效-授权

法律状态:2023.03.17#授权;2022.12.06#实质审查的生效;2022.11.18#公开

摘要:本发明涉及一种基于元学习的图像增强方法、系统、设备和存储介质,其中方法包括以下步骤:获取一原始图像并进行灰度化处理,从处理后的图像中随机捕获图像块,根据图像特征对捕获到的图像块进行分类,并将分类后的图像块放入至元训练数据集中;构建基于多级编解码结构的元学习网络;随机抽样元训练数据集中不同类别的图像块输入至元学习网络中,输出增强图像,计算对应的增强图像与图像块之间的曝光误差和像素相邻误差,以计算出的曝光误差和像素相邻误差最小为目标对元学习网络进行迭代训练,直至达到迭代结束条件,得到训练好的图像增强网络;将训练好的图像增强网络用于低照度图像的图像增强。

主权项:1.一种基于元学习的图像增强方法,其特征在于,包括以下步骤:获取一原始图像并进行灰度化处理,从处理后的图像中随机捕获图像块,根据图像特征对捕获到的图像块进行分类,并将分类后的图像块放入至元训练数据集中;构建基于多级编解码结构的元学习网络;随机抽样元训练数据集中不同类别的图像块输入至元学习网络中,输出增强图像,计算对应的增强图像与图像块之间的曝光误差和像素相邻误差,以计算出的曝光误差和像素相邻误差最小为目标对元学习网络进行迭代训练,直至达到迭代结束条件,得到训练好的图像增强网络;将训练好的图像增强网络用于低照度图像的图像增强;其中,所述从处理后的图像中随机捕获图像块,根据图像特征对捕获到的图像块进行分类,并将分类后的图像块放入至元训练数据集中的方法具体为:以预设的窗口大小,在处理后的图像中随机进行采样N次,得到N个图像块;计算每一图像块的灰度均值,根据每一图像块的灰度均值将各图像块划分为256个类别;以Z为间隔,从256个类别中挑选采样类别,分别从挑选出的各个采样类别中采样出相同数量的图像块,并将采样出的图像块放入至元训练数据集中,元训练数据集包括元训练集和元测试集,将每一采样类别的图像块按照比例分别划分至元训练集和元测试集中;其中,所述基于多级编解码结构的元学习网络包括:第一级编解码结构,包括一卷积层,用于对输入的图像进行特征提取,获取特征图;连接于第一级编解码结构输出端的第二级编解码结构,包括残差模块和注意力模块,所述残差模块用于提取输入的特征图的高频信息,所述注意力模块用于从特征图中通过注意力机制提取注意力特征图;连接于第二级编解码结构输出端的第三级编解码结构,所述第三级编解码结构的结构与第二级编解码结构相同;其中,在所述计算对应的增强图像与图像块之间的曝光误差和像素相邻误差的步骤中,所述曝光误差具体通过以下公式计算: 其中,M表示大小为16×16的不重叠局部区域的数量,是增强图像中局部区域m的平均灰度值,E为设定的经验常数;所述像素相邻误差具体通过以下公式计算: 其中,K表示局部区域的数量,表示以局部区域i为中心的四个相邻的局部区域,其中局部区域的大小均为4×4,表示增强图像在局部区域i的平均灰度值,表示输入的图像块在局部区域i的平均灰度值,j的平均灰度值,表示输入的图像块在相邻的局部区域j的平均灰度值。

全文数据:

权利要求:

百度查询: 福建亿榕信息技术有限公司;国网信息通信产业集团有限公司;中科方寸知微(南京)科技有限公司 一种基于元学习的图像增强方法、系统、设备和存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术