[发明专利]基于深度学习的U-net网络的低照度成像算法及装置在审
| 申请号： | 201910325879.X | 申请日： | 2019-04-22 |
| 公开（公告）号： | CN110097106A | 公开（公告）日： | 2019-08-06 |
| 发明（设计）人： | 蒋杰;张斯尧;谢喜林;王思远;黄晋;张诚 | 申请（专利权）人： | 苏州千视通视觉科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06T5/00 |
| 代理公司： | 长沙德恒三权知识产权代理事务所(普通合伙) 43229 | 代理人： | 徐仰贵 |
| 地址： | 215000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的U‑net网络的低照度成像算法及装置，该算法具体包括：步骤101：对原始图像进行打包变换像素通道的预处理；步骤102：利用步骤101中预处理的图像进行U‑net网络的数据训练，其中，在U‑net网络的最后一层使用交叉熵函数与softmax函数；步骤103：通过训练后的U‑net网络对采集到的低照度图像进行处理，并对处理后的图像进行Gamma校正，并输出最终图像。本发明提出的算法效率较高，能够提高信噪比，增强显示图像细节，很好地还原低照度成像图像的细节部分，提高低照度图像亮度，使视频图像能在低照度环境下快速清晰成像。 | ||
| 搜索关键词： | 低照度 预处理 低照度图像 网络 成像算法 图像 增强显示图像 低照度环境 成像图像 清晰成像 视频图像 数据训练 算法效率 原始图像 最终图像 交叉熵 信噪比 像素 算法 打包 还原 采集 输出 学习 | ||
【主权项】：
1.一种基于深度学习的U‑net网络的低照度成像算法，其特征在于：包括：步骤101：对原始图像进行打包变换像素通道的预处理；步骤102：利用步骤101中预处理的图像进行U‑net网络的数据训练，其中，在U‑net网络的最后一层使用交叉熵函数与softmax函数，其中交叉熵函数如下：![]()
![]()
其中，wc是用于平衡类别频率的权重图，d1代表到最近细胞的边界的距离，d2代表到第二近的细胞的边界的距离，w0和σ为预设值；步骤103：通过训练后的U‑net网络对采集到的低照度图像进行处理，并对处理后的图像进行Gamma校正，并输出最终图像。
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苏州千视通视觉科技股份有限公司，未经苏州千视通视觉科技股份有限公司许可，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/patent/201910325879.X/，转载请声明来源钻瓜专利网。
