-
公开(公告)号:CN118469879A
公开(公告)日:2024-08-09
申请号:CN202410634854.9
申请日:2024-05-22
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种基于Retinex理论和色彩均衡模型的低照度图像增强方法。低光照图像增强旨在恢复夜间捕获的图像质量,进一步提高高级视觉计算机任务的性能。最近的许多方法有效地照亮了低光图像,但未能压缩固有的噪声,消除色彩偏差等。为了解决这一问题,本发明提出了一种基于Retinex方法和色彩均衡模型的低照度图像增强方法。具体而言,我们首先通过由两个特征混合注意(FHA)组成的解耦模块以密集连接的方式提取输入的灰度表示。然后,利用分量预测模块引导下的重建网络对原始RGB图像进行质量恢复。最后,采用基于全局通道注意机制的重建模块,在校正色彩偏差的同时保留细节。大量的实验表明,该方法在弱光图像增强方面具有优异的性能。
-
公开(公告)号:CN118298162A
公开(公告)日:2024-07-05
申请号:CN202410579604.X
申请日:2024-05-11
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于感受野融合金字塔的恶劣场景下目标检测方法,首先,设计一种基于仿射变换的特征增强模块,将其嵌入轻量级主干网络中,同时结合注意力机制以增强低维度特征图的语义信息,使得增强后的特征图进入感受野融合金字塔,对不同尺度的输出特征图进行提取和融合,生成包含不同尺度和更丰富语义信息的特征图。最后,采用无锚框目标检测头对目标进行预测,并计算损失。通过在RTTS数据集和ExDark数据集上的实验,结果显示相较于其他研究者的方法,本发明保证模型轻量化的同时显著提升了恶劣场景下检测精度。
-