一种图像恢复中的集成学习方法

本发明涉及图像处理模型训练技术领域，尤其涉及一种图像恢复中的集成学习方法，该方法包括：采集实时图像并预测恢复图像；划分桶集；确定模型权重；整合权重形成高斯混合模型；调整预测时长。本发明通过引入多模型集成和EM算法，使得图像恢复过程更具鲁棒性和准确性，通过对恢复图像进行长向量转换和桶集划分，确保数据在不同尺度上的充分利用，并借助高斯混合模型有效优化各模型的权重分配，提升恢复图像的细节还原度，实时亮度波动的检测和调整机制能够自适应调整预测时长，有效应对复杂的光照变化场景，有效解决了由于缺乏灵活性和即插即用便利性的后训练集成方法导致恢复结果泛化性差和计算资源消耗大的问题。