摘要
本发明涉及深度学习图像处理技术领域,具体的为一种基于CMOS图像传感器的RetinexNet改进低光照图像增强方法及电子设备,包括以下步骤:S1、图像采集与预处理;S2、分解网络模型;S3、盲去噪网络模型;S4、亮度自适应调整模型;S5、图像融合模块与输出;本发明与现有技术相比,能够显著提升低光照图像的亮度、细节恢复和噪声抑制效果,在图像质量、结构保留和视觉效果上具有显著优势,尤其适用于低光照环境下的图像增强;本发明的方法可广泛适用于低光照环境下的可移动设备图像增强方面,如智能手机、平板电脑、笔记本电脑、数码相机、安防摄像头等,以捕捉并传输图像和视频信号。
技术关键词
微透镜阵列
光照
噪声强度
全卷积神经网络
保留图像细节
深度学习图像处理技术
照度
多尺度注意力机制
残差模块
图像增强
亮度
调节噪声
编码器
解码器结构
系统为您推荐了相关专利信息
心率变异性分析
系统控制方法
光照
数据
关键特征值
毛刺检测方法
压铸件
图像
毛刺检测系统
生成高分辨率
场景重建方法
网格特征
多层感知器
颜色
特征提取模块