CN115205160B 基于局部场景感知的无参考低照度图像增强方法 （福州大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115205160B

(45)授权公告日2025.07.11

(21)申请号202210960432.1

(22)申请日2022.08.11

(65)同一申请的已公布的文献号申请公布号CN115205160A

(43)申请公布日2022.10.18

(73)专利权人福州大学

地址350108福建省福州市闽侯县福州大

学城乌龙江北大道2号福州大学

(72)发明人牛玉贞李悦洲陈铭铭林晓锋

(74)专利代理机构福州元创专利商标代理有限公司35100

专利代理师陈鼎桂蔡学俊

(51)Int.CI.

GO6T5/94(2024.01)

GO6T5/70(2024.01)

G06T5/60(2024.01)

GO6N3/0464(2023.01)

GO6N3/048(2023.01)

GO6N3/084(2023.01)

(56)对比文件

AU2020103901A4,2021.02.11CN110207671A,2019.09.06

审查员王竑超

权利要求书5页说明书11页附图2页

(54)发明名称

基于局部场景感知的无参考低照度图像增

获取低照度图像，并对每幅图像进行预处理，得

获取低照度图像，并对每幅图像进行预处理，得到训练数据集

构建基于局部场景感知的低照度图像增强网络

设计用于训练步骤S2所设计网络的无参考损失函数

基于无参考损失函数，采用训练数据集训练基于局部场景感知的低照度图像增强网络

将待测图像通过训练后的基于局部场景感知的低照度图像增强网络，获取正常照度图像

CN115205160B(57)摘要本发明涉及一种基于局部场景感知的无参考低照度图像增强方法，包括以下步骤：步骤S1:获取低照度图像，并对每幅图像进行预处理，得到训练数据集；步骤S2:构建基于局部场景感知的低照度图像增强网络；步骤S3:设计用于训练步骤S2所设计网络的无参考损失函数；步骤S4:基于无参考损失函数，采用训练数据集训练基于局部场景感知的低照度图像增强网络；步骤S5:将待测图像通过训练后的基于局部场景感知的

CN115205160B

(57)摘要

CN115205160B权利要求书1/5页

2

1.一种基于局部场景感知的无参考低照度图像增强方法，其特征在于，包括以下步骤：

步骤S1:获取低照度图像，并对每幅图像进行预处理，得到训练数据集；

步骤S2:构建基于局部场景感知的低照度图像增强网络；

步骤S3:设计用于训练步骤S2所设计网络的无参考损失函数；

步骤S4:基于无参考损失函数，采用训练数据集训练基于局部场景感知的低照度图像增强网络；

步骤S5:将待测图像通过训练后的基于局部场景感知的低照度图像增强网络，获取正常照度图像；

所述基于局部场景感知的低照度图像增强网络包括局部场景感知分支网络、增强分支网络、注意力模块、迭代增强模块和去噪模块；

所述局部场景感知分支网络接收归一化的大小为H×W的图像X作为输入，并且进行空间4等分的裁剪，裁剪后的图像表示为Xpart,Xpartz,Xpart?,Xpart4;所述局部场景感知分

支网络由4个感知分支网络J?,J?,J?,J?和特征转换块T?,T?组成，其感知分支网络用于提取局部图像的特征，特征转换块用于生成用于图像增强的卷积参数，其中取得空间4等分裁剪图像的操作表示如下：

其中(p,q)为输入的经归一化的大小为H×W的图像X的像素位置；

所述感知分支网络J?,J?,J?,J?均具有相同的网络结构，并且它们的可训练参数是共享的；所述感知分支网络由4个卷积块组成，每个卷积块由卷积层、激活层按序组成；

所述特征转换块T?由卷积核大小为1×1、步长为0、填充为0的卷积层构成，并且接受感知分支网络第3个卷积块的聚合输出特征，输出用于图像增强的卷积参数k?;特征转换块T?由卷积核大小为1×1、步长为0、填充为0的卷积层构成，其输出通道数为输入通道数的25%,并且接受感知分支网络第4个卷积块的聚合输出特征，输出用于图像增强的卷积参数k?,以公式表示为如下：

其中Concat(·)代表将特征在卷积通道维度拼接，T?和T?为特征转换块。

2.根据权利要求1所述的基于局