基于深度学习的低照度图像增强

发布时间: 2024-11-06

基本信息

合作方式：技术许可

成果类型：发明专利,实用新型专利

行业领域：

信息传输、软件和信息技术服务业,软件和信息技术服务业

成果介绍

本技术提出一种基于U-Net的多尺度特征保持的低照度图像增强方法。在构建网络时，与单一的卷积神经网络的低照度图像增强方法需要大量的训练数据不同，该方法基于U-Net网络模型和多尺度特征提取技术，设计了一种新的低照度图像增强网络模型。该技术利用数据扩充的方法对输入的图像集进行左右翻转、旋转、缩放变换等操作，提高训练样本的利用率，丰富训练图像数据的分布，不需要大量的原始训练样本来获得更优的网络模型。利用多尺度特征提取技术来提高网络的特征提取能力，可以从低照度图像中获取更多的细节信息，从而使增强后的图像更加准确、清晰。

成果亮点

1.该方法受Retinex基本模型理论和U-Net网络结构的启发，结合多尺度提取技术，进一步提高网络的特征提取能力。2.通过保持全局特征相关性的空间一致性函数来解决低层特征和高层语义特征之间的不连续性问题。3.同时引入一种基于图像亮度、对比度和结构相似性等特征的多尺度结构计算方法，大大缓解了增强后光照不均匀和颜色偏差的现象，使增强的结果更符合人类的视觉感知。

团队介绍

安徽工程大学是一所以工为主的省属多科性高等院校和安徽省重点建设院校，学校办学始于1935年安徽私立内思高级职业学校，历经芜湖电机制造学校、芜湖机械学校、安徽机电学院、安徽工程科技学院等办学阶段，2010年更名为安徽工程大学。学校设有17个二级学院和继续教育学院，60余个本科招生专业。作为省级博士立项建设单位，学校有17个一级学科硕士学位授权点，11个硕士专业学位授权类别。

成果资料

产业化落地方案

点击查看

成果综合评价报告

评价单位：- (-) 评价时间：2024-11-24

杜晓伟

包头市盈辉企业管理服务有限公司

中级技术经纪人

综合评价

该项目在图像处理领域展现了卓越的创新性，所提出的基于深度学习的图像增强方法具有较高的技术含量和实用性。该方法在低照度环境下取得了显著的图像增强效果，为多个领域的应用提供了有力的支持。评价专家组建议，项目团队应继续深化研究，加强技术的验证和优化，推动科技成果的广泛应用。同时，加强与相关产业的合作与交流，共同推动图像处理技术的创新和发展，为更多领域提供优质的图像增强解决方案。