摘要
本发明公开的基于傅里叶频域信息的低光照图像增强方法,包括使用含有配对的正常光照图像和低光照图像的基准数据集构建训练集;构建包括幅度光照估计和相位增强模块的低光照图像增强模型,并将训练集输入模型进行训练,得到增强后的图像;基于平均绝对误差损失、结构损失和感知损失构建增强后图像与正常光照图像的损失函数,根据损失函优化低光照图像增强模型;根据优化后的模型对低光照图像进行增强。本发明通过幅度光照估计模块和相位增强模块的协同作用使得图像在提升亮度的同时,仍然保留了细节和清晰度,从而使得低光照图像的增强效果更加突出,能够更好处理低光照环境下的光照分布不均匀性、颜色失真以及纹理细节丢失问题。
技术关键词
图像增强方法
低光照图像增强
图像增强模型
分量特征
构建训练集
图像转换模型
可变形卷积层
频域特征
低光照环境
模块
注意力
基准
坐标
矩阵
代表
纹理
亮度
系统为您推荐了相关专利信息
Retinex模型
智能驾驶系统
多传感器数据融合
矩阵
亮度
图像增强方法
拉普拉斯金字塔
多尺度
解码器
编码器
图像增强模型
图像分割模型
对比度
图像拼接
模型训练方法
卷积神经网络模型
样本
主动学习方法
遗传算法
标签