申请/专利权人:南京信息工程大学
申请日:2023-12-29
公开(公告)日:2024-04-02
公开(公告)号:CN117808710A
主分类号:G06T5/77
分类号:G06T5/77;G06N3/045;G06N3/0499;G06T5/10;G06N3/08;G06N3/0464;G06F17/14;G06V10/40;G06V10/80;G06V10/82;G06V10/774;G06V10/776
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于傅里叶变换Transformer网络的低光图像增强方法及装置,本发明首先获取若干低光图像及对应的参考标准图像,并对低光图像进行预处理,之后构建傅里叶变换Transformer网络,再将预处理后的低光图像和对应的正常光图像作为样本,对所述傅里叶变换Transformer网络进行训练;最后将待增强的低光图像输入训练好的傅里叶变换Transformer网络,得到增强后的图像。本发明可以对低光图像甚至极低光图像进行图像增强,增强后的图像效果相比现有技术更好。
主权项:1.基于傅里叶变换Transformer网络的低光图像增强方法,其特征在于该方法包括:S1:获取若干低光图像及对应的参考标准图像;S2:对低光图像进行数据预处理;S3:构建傅里叶变换Transformer网络,所述傅里叶变换Transformer网络是U型结构网络,包括Transformer层、下采样层和上采样层,每个Transformer层包括基于傅里叶变换的多头注意力模块、局部特征增强的前馈网络,所述基于傅里叶变换的多头注意力模块用于提取低光图像的全局信息以初步恢复亮度,所述局部特征增强的前馈网络提取低光图像的局部信息进一步恢复图像的纹理特征;S4:将S2预处理后的低光图像和对应的正常光图像作为样本,对所述傅里叶变换Transformer网络进行训练;S5:将待增强的低光图像输入训练完成的傅里叶变换Transformer网络,得到增强后的图像。
全文数据:
权利要求:
百度查询: 南京信息工程大学 基于傅里叶变换Transformer网络的低光图像增强方法及装置
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。