摘要
本发明公开的基于YCbCr空间和傅里叶频域的低光照图像增强方法,包括提取低光照图像在YCbCr空间的亮度分量,并与正常光照图像和低光照图像一起构建训练集;构建低光照图像增强网络模型,将训练集输入模型进行训练;构建振幅增强网络分支和相位增强网络分支与正常光照图像之间的损失函数,通过最小化损失函数调整模型参数得到优化模型;将待增强的低光照图像输入优化模型进行图像增强。本发明通过结合YCbCr亮度分量和傅里叶频域的振幅信息,以及利用Transformer增强相位信息,显著提高了低光照图像的视觉质量,改善了图像的可视性和清晰度,在图像增强、去噪、超分辨率恢复等任务中均具有广泛的应用前景。
技术关键词
图像增强方法
低光照图像增强
分支
图像YCbCr空间
图像增强网络
注意力
亮度
构建训练集
归一化模块
前馈神经网络
超分辨率
像素
生成特征
矩阵