一种物理驱动的用于低光图像增强的对比学习方法
申请人信息
- 申请人:南京航空航天大学
- 申请人地址:210016 江苏省南京市秦淮区御道街29号
- 发明人: 南京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种物理驱动的用于低光图像增强的对比学习方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311349484.6 |
| 申请日 | 2023/10/18 |
| 公告号 | CN117541489A |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06T5/50 |
| 权利人 | 南京航空航天大学 |
| 发明人 | 梁栋; 徐峥岩; 陈松灿 |
| 地址 | 江苏省南京市秦淮区御道街29号 |
摘要文本
本发明公开了一种物理驱动的用于低光图像增强的对比学习方法。一、构建低光图像增强模型，获取数据集。二、使用“曲线袋”方法生成对比学习的负样本，正常光照图片作为正样本。三、输入低光/过曝图像到增强网络，得到增强后的图像作为对比学习的锚点。四、提取图像特征使用特征提取模块。五、根据特征设计不同损失函数，通过反向传播更新网络参数。六、判断是否完成对所有样本的训练和训练轮次。七、输入低光图像，输出增强后的结果。本发明将物理驱动的对比学习方法应用于低光图像增强算法。通过设计“曲线袋”方法有效生成负样本。本发明提高低光图像增强算法效果，运行速度快，适用于移动设备。
专利主权项内容
1.一种物理驱动的用于低光图像增强的对比学习方法，其特征在于，包括以下步骤：步骤S1、获取数据集，所述数据集内包括低光和过曝图像I、正常光照图像I，将所述数据集划分为训练集和测试集，其中将所述训练集分为两部分，第一部分是低光和过曝图像I，第二部分是正常光照图像I；LPLP步骤S2、利用第二部分的正常光照图像I结合“曲线袋”方法获取对比学习模块的负样本I，同时将第二部分的正常光照图像I作为对比学习模块的正样本；PNP步骤S3、构建低光图像增强网络模型，将第一部分的低光和过曝图像I输入到低光图像增强网络模型进行图像增强得到增强后的图像I，将增强后的图像I作为对比学习模块的锚点；LHH步骤S4、将对比学习模块的锚点、正样本和负样本送入特征提取模块来提取三者的特征；步骤S5、根据提取的特征设计不同的损失函数计算方法，根据反向传播更新低光图像增强网络模型的参数；步骤S6、判断是否完成低光和过曝图像I的训练，是否完成所有训练轮次，最终得到训练好的低光图像增强网络模型；L步骤S7、向训练好的低光图像增强网络模型输入低光图像，输出对低光图像进行增强后的结果。。