原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及基于Retinex和深度学习的低照度图像增强方法。对已有低照度数据集进行分析，通过多台相机、多种拍摄手段同时收集低照度图像RAW数据和RGB数据，增加数据集在真实场景下图像的多样性。提出一种端到端的改进的卷积自编码网络结构，其由编码器和解码器组成，包括图像分解、照度调整和图像重建三个模块。通过图像分解模块对图像进行编码得到反射特征编码及照度隐藏编码。照度调整模块对图像照度自动调整，图像重建模块实现图像内容的恢复和重建。设计了联合损失函数约束网络训练，分别是重构损失、颜色损失和反射损失。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 111968044 A
(43)申请公布日 2020.11.20
(21)申请号 202010684480.3
(22)申请日 2020.07.16
(71)申请人 中国科学院沈阳自动化研究所
文档评论（0）