[发明专利]一种采用截尾式指数滑动平均的图像增强方法有效

专利信息
申请号: 201910551835.9 申请日: 2019-06-25
公开(公告)号: CN110443757B 公开(公告)日: 2022-03-18
发明(设计)人: 王万良;吴菲;杨小涵;王铮;骆俊锦;王铁军;尤文波 申请(专利权)人: 浙江工业大学
主分类号: G06T5/00 分类号: G06T5/00
代理公司: 杭州天正专利事务所有限公司 33201 代理人: 王兵;黄美娟
地址: 310014 浙江省*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 采用 截尾式 指数 滑动 平均 图像 增强 方法
【说明书】:

一种采用截尾式指数滑动平均的图像增强方法,包括以下步骤:步骤1.读取低光图像文件中的Corel5k数据集,该数据集是由科雷尔公司整理的用于真实场景风景图像;步骤2.将读取到的图像利用低光处理函数进行低光预处理;步骤3.在得到低光图像之后利用自编码器网络的原理进行图像增强;步骤4.采用截尾式指数滑动平均算法来进行网络优化;步骤5.若没到最大迭代次数,则重复步骤2‑步骤4,否则停止网络训练。

技术领域

发明涉及一种采用截尾式指数滑动平均的图像增强方法。

背景技术

随着现代技术的不断发展,数字图像信息已经成为当代最重要的信息传播载体。而在对图像进行信息挖掘时,图像的质量的高低就成为了能否成功提取信息的关键。在拍摄数字风景图像时,假如拍摄环境较为恶劣,导致镜头只保留了大部分场景信号,这些场景信号由于光线暗淡而非常微弱,因此这就容易产生低光图像,而低光图像所承载的有效信息非常有限。同时能够处理低光图像的神经网络在训练时容易产生抖动参数。

所以针对这一问题,本发明提出了一种基于截尾式指数滑动平均的神经网络优化算法,该算法能够很好的应用在图像增强神经网络上,在训练时可以平滑掉抖动参数,使网络训练更加高效。

发明内容

本发明要克服现有技术的上述缺点,为了平滑网络在训练时产生的抖动参数,提出一种采用截尾式指数滑动平均的图像增强方法,通过对网络进行优化,从而使网络的训练更加高效。

本发明的一种采用截尾式指数滑动平均的图像增强方法,包括以下步骤:

步骤1.读取低光图像文件中的Corel5k数据集,该数据集是由科雷尔公司整理的用于真实场景风景图像。

步骤2.将读取到的图像利用低光处理函数进行低光预处理。即将图片的光线调暗,例如:将原先低光图像再次调低光线将图片看起来像在黑暗的情况下拍摄的样子。在将图像处理成为低光图像时,即以很小的单位(像素点级别)进行Gamma矫正,单位小可以忽略不计因此不会产生不连续的斑点,同时也不用考虑图像光源的位置来调整图像,所以在图像黑暗化处理时可以使用Gamma矫正。在矫正过程中会首先对图像进行检测,得到图像中的深色部分和浅色部分,并使两者比例增大或减小,从而可以调整图像全局对比度,得到高光或者低光图像。图像调整公式如式(1)所示:

式中:A为常量,xl为需要调整的原始高光图像(亮的图像)。当γ<1时,可以提高图像对比度,达到图像增亮的效果;当γ>1时,可以降低图像对比度,达到图像低光处理效果;而当γ=1时,对图像不具有任何效果。那么为了将图像进行低光处理,所以将γ设置为大于1的状态。那么xd则表示已经进行过低光处理的风景图。

步骤3.在得到低光图像之后利用自编码器网络的原理进行图像增强。也就是先将低光处理后的风景图片通过自编码器网络对图片进行增亮,将图片的光线调亮,以达到清晰图像的目的。在进行训练时采用先对风景图像数据编码,得到特征图之后再进行样本数据的解码。其中图像数据输入网络经过编码得到的特征表示如式(2)所示:

式中:是将输入x进行加噪处理后的噪声数据,W为网络权重,b为偏置。得到特征表示之后网络就会进行解码操作,得到重构图像

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910551835.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code