一种隧道内图像增强方法

本发明公开了一种隧道内图像增强方法，包括如下步骤：获取隧道内的原始图像数据，获取隧道内的原始图像数据包含在不同光照条件、雾气和噪声干扰下的图像；S2、将获取隧道内的原始图像数据输入预训练的卷积神经网络；S3、在卷积神经网络中，使用卷积操作和池化操作提取图像的局部特征并减少特征图的尺寸；S4、在共享网络参数和特征表示的多任务学习框架下，进行图像去噪、去雾和对比度增强处理；S5、利用优化后的卷积神经网络模型，通过并行计算和硬件加速，实现实时图像处理；S6、基于在各种隧道内环境的图像数据上进行训练的卷积神经网络模型，处理不同类型的噪声和失真；S7、输出增强后的高质量隧道内图像。本发明基于卷积神经网络的隧道内图像增强方法，充分利用了计算机视觉和深度学习技术。