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
本发明公开了基于扩散模型和物理模型的低光照图像增强方法，将低光照图像分解得到照度图像和反射图像后，作为物理基先验信息输入到扩散模型中，并且在扩散过程后通过优化网络对照度图像、反射图像和输入图像同时处理，得到最终的增强结果；具体的讲，先将低光照图像输入到预训练好的基于Retinex模型的图像分解网络中，得到对应的照度图像和反射图像，然后在调整网络中减少这两部分的误差，并作为物理基先验信息和低光照图像一起输入到去噪网络中，进行逐步去噪，从随机噪声中重建出的低光照图像对应的正常光照图像。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117876250A
(43)申请公布日2024.04.12
(21)申请号202410151966.9
(22)申请日2024.02.02
(71)申请人吉林大学
地址130012
文档评论（0）