公开(公告)号：CN113689344A

公开(公告)日：2021-11-23

申请号：CN202110745105.X

申请日：2021-06-30

Applicant: 中国矿业大学

Inventor： 王军 ,  韩淑雨 ,  潘在宇 ,  李玉莲 ,  申政文 ,  陈晓玲

IPC: G06T5/00 ,  G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于特征解耦学习的低曝光图像增强方法，使用正常曝光静脉图像和低曝光静脉图像训练特征解耦网络，迫使编码得到低曝光静脉图像的背景特征，再利用训练好的特征解耦网络和低曝光静脉图像训练图像增强网络，提取低曝光静脉图像的纹理特征，实现低曝光静脉图像的纹理特征和背景特征分离，并单独使用低曝光静脉图像的纹理特征重建增强的静脉图像。本发明提出一种基于特征解耦学习的低曝光图像增强方法，从两种图像的特点出发，引入对抗损失，将低曝光静脉图像纹理特征和背景分离，操纵特定的特征重建正常曝光的图像，对低曝光静脉图像实现有效增强。

公开(公告)号：CN113269702A

公开(公告)日：2021-08-17

申请号：CN202110559336.1

申请日：2021-05-21

Applicant: 中国矿业大学

Inventor： 王军 ,  韩淑雨 ,  潘在宇 ,  李玉莲 ,  申政文 ,  陈晓玲

IPC: G06T5/50 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于跨尺度特征融合的低曝光静脉图像增强方法，制作低曝光静脉图像数据集，构建跨尺度特征融合模块，基于通道注意力机制，采用残差结构构建静脉跨尺度融合残差块，若干个残差块首尾连接堆叠成静脉图像跨尺度融合模型，构建测试集，将测试集中的低曝光静脉图像输入到静脉图像跨尺度融合模型，得到增强后的静脉图像。本发明提出一种多尺度分支的跨尺度特征信息融合方法，充分利用了静脉图像不同尺度之间空间结构信息，增强了网络模型对于静脉纹络等细节信息的表征学习能力，提升了低曝光静脉图像的增强效果。