申请/专利权人:佳源科技股份有限公司
申请日:2021-12-16
公开(公告)日:2024-04-26
公开(公告)号:CN114372941B
主分类号:G06T5/50
分类号:G06T5/50;G06T7/00;G06T5/70;G06T5/90;G06N3/0455;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2022.05.06#实质审查的生效;2022.04.19#公开
摘要:本发明公开一种低光照图像增强方法、装置、设备及介质,该方法包括如下步骤:获取现场图像,对现场图像中高质量图像进行低光照模拟,生成多场景多光照条件的图像;将所述现场图像与多场景多光照条件的图像进行合并形成样本数据集,所述样本数据集分为训练集和验证集;构建编码器‑解码器架构的神经网络模型;将样本数据集输入所述神经网络模型中进行训练和测试,直至收敛,得到图像处理模型;对图像处理模型进行仿真实验,采用峰值信噪比作为评价指标,评价网络性能。本发明通过结合了传统算法与深度学习的算法进行了融合,尽可能的对变电站中的低光照情况的特点进行学习,从而可以做对后续所采集到的低光照图片进行图像增强。
主权项:1.一种低光照图像增强方法,其特征在于,包括:获取现场图像,对现场图像中高质量图像进行低光照模拟,生成多场景多光照条件的图像,所述低光照模拟包括高斯噪声添加和伽马光照处理,所述伽马光照处理包括归一化处理、像素预补偿和像素值反归一化;将所述现场图像与多场景多光照条件的图像进行合并形成样本数据集,所述样本数据集分为训练集和验证集;构建编码器-解码器架构的神经网络模型,所述神经网络模型包括3个串联的去噪编码器和3个对应的解码器,其中第一个去噪编码器设计的输入图像尺寸为17×17大小,第一个去噪编码器设计了867个隐藏单元、第二个去噪编码器设计了578个隐藏单元、第三个去噪编码器设计了289个隐藏单元,并将第三个去噪编码器做为瓶颈层;在第三个去噪编码器之后串联了3个对应的解码器,分别是578个隐藏单元、867个隐藏单元及289个隐藏单元;将样本数据集输入所述神经网络模型中进行训练和测试,直至收敛,得到图像处理模型,所述神经网络模型的损失函数为: 其中,N表示patch数量;θ={W,b,W',b'}表示模型中的参数;又被称为KL散度,用于衡量两个概率分布的相似性,表示第j个隐藏层的均值;K表示隐藏单数目;表示重构后的图像;yi表示原始的图像;β、ρ和λ用于表示超参数,适用于后续的训练过程;F表示范数,为超参数;D表示输入的样本集;对图像处理模型进行仿真实验,采用峰值信噪比作为评价指标,评价网络性能。
全文数据:
权利要求:
百度查询: 佳源科技股份有限公司 一种低光照图像增强方法、装置、设备及介质
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。