-
公开(公告)号:CN112819712B
公开(公告)日:2022-03-11
申请号:CN202110093625.7
申请日:2021-01-22
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于PNA‑MSPCNN模型的低照度彩色图像增强方法。包括:获得原始图像的初始亮度谱;利用PNA‑MSPCNN算法获得突触权重矩阵;在PNA‑MSPCNN算法模式下,根据突触权重矩阵进一步获得梯度亮度谱;根据梯度亮度谱,利用Retinex算法计算得到最终权重矩阵;基于最终权重矩阵,对得到的初始亮度谱进行修正得到最终亮度映射谱;利用Retinex算法并结合最终亮度映射谱对原始图像进行修正得到低照度增强图像。本发明技术方案的关键算法为PNA‑MSPCNN算法,通过PNA‑MSPCNN算法与改进的LIME算法结合应用得以实现低亮度彩色图像增强,神经元点火次数和频率更易于控制,算法复杂度更低,图像增强效果更好。
-
公开(公告)号:CN112819712A
公开(公告)日:2021-05-18
申请号:CN202110093625.7
申请日:2021-01-22
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于PNA‑MSPCNN模型的低照度彩色图像增强方法。包括:获得原始图像的初始亮度谱;利用PNA‑MSPCNN算法获得突触权重矩阵;在PNA‑MSPCNN算法模式下,根据突触权重矩阵进一步获得梯度亮度谱;根据梯度亮度谱,利用Retinex算法计算得到最终权重矩阵;基于最终权重矩阵,对得到的初始亮度谱进行修正得到最终亮度映射谱;利用Retinex算法并结合最终亮度映射谱对原始图像进行修正得到低照度增强图像。本发明技术方案的关键算法为PNA‑MSPCNN算法,通过PNA‑MSPCNN算法与改进的LIME算法结合应用得以实现低亮度彩色图像增强,神经元点火次数和频率更易于控制,算法复杂度更低,图像增强效果更好。
-