摘要
本发明公开了一种用于增强低光图像的可学习光照先验残差网络,其包括光照觉醒模块和去噪与增强模块两部分,光照觉醒模块设置有可学习照明先验模块,用于提取光照信息并生成光照图;去噪与增强模块采用带有跳跃连接的U型结构,用于提升亮度并抑制噪声;U型结构的下采样分支中设置有光照引导卷积注意力模块,U型结构的上采样分支中设置有光照引导注意模块,用于从深度特征中恢复图像细节。该网络通过两次学习低光图像与正常光图像间的差异,分阶段逐步改善低光图像的亮度和细节,获得低光图的增强图像,通过可学习的光照先验模块准确估计光照信息并进行有效补偿,提出光照引导卷积注意力模块,用于实现光照与细节信息的有效融合。
技术关键词
注意力
残差网络
图像
表达式
U型结构
学习照明
光照特征
通道
分支
亮度
融合特征
前馈神经网络
输入模块
多层感知机
残差结构
对比度
分阶段
上采样
系统为您推荐了相关专利信息
图像生成方法
编码器
解码器
磁共振数据集
上采样
图像采集设备
信息识别设备
健康状况评估方法
栅栏
视频流
自动化生成方法
脚本
企业产品展示
场景类别
场景分类
数字医学健康参数监测装置
脉象数据
眼动数据
模型库
多算法融合模型
图像压缩方法
行列特征向量
保留图像细节
编码结构
分块