CN119338730B 一种基于低秩恢复与深度扩散融合的低光图像增强方法 （浙江师范大学）_第1页
CN119338730B 一种基于低秩恢复与深度扩散融合的低光图像增强方法 （浙江师范大学）_第2页
CN119338730B 一种基于低秩恢复与深度扩散融合的低光图像增强方法 （浙江师范大学）_第3页
CN119338730B 一种基于低秩恢复与深度扩散融合的低光图像增强方法 （浙江师范大学）_第4页
CN119338730B 一种基于低秩恢复与深度扩散融合的低光图像增强方法 （浙江师范大学）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于低秩恢复与深度扩散融合的低光本发明公开了一种基于低秩恢复与深度扩行前向加噪，再通过Transformer网络捕捉噪声过离散余弦逆变换模块对新频谱图进行离散余2在Transformer网络之前增添马尔可夫链机制形成全局深度扩散生成模块，全局深度将历史低光图像输入低光图像增强模型，得到历史低光图像将待处理低光图像输入训练好的低光图像增强模型，通过离散余弦尔可夫链机制在每个时间步对频谱图进行前向加噪，再通过全局深度扩散生成模块中的2.如权利要求1所述的一种基于低秩恢复与深度扩散融合的低光图像增强方法，其特;;3.如权利要求1所述的一种基于低秩恢复与深度扩散融合的低光图像增强方法，其特;3;4.如权利要求1所述的一种基于低秩恢复与深度扩散融合的低光图像增强方法，其特;5.如权利要求1所述的一种基于低秩恢复与深度扩散融合的低光图像增强方法，其特;6.如权利要求1所述的一种基于低秩恢复与深度扩散融合的低光图像增强方法，其特;4[0006]本发明实施例提供一种基于低秩恢复与深度扩散融合的低光图像增强方法，包[0008]在Transformer网络之前增添马尔可夫链机制形成全局深度扩散生成模块，全局5[0012]离散余弦变换通过分解待处理低光图像的像素值，表示为不同频率分量的加权[0026]可选地，通过全局深度扩散生成模块中的Transformer网络捕捉噪声分布的全局6[0037]本发明实施例提供的上述一种基于低秩恢复与深度扩散融合的低光图像增强方生成模块中的Transformer网络捕捉噪声分布的全局特征，根据噪声分布的全局特征去除[0039]图1为一个实施例中提供的一种基于低秩恢复与深度扩散融合的低光图像增强方[0040]图2为一个实施例中提供的一种基于低秩恢复与深度扩散融合的低光图像增强方[0041]图3为一个实施例中提供的一种基于低秩恢复与深度扩散融合的低光图像增强方[0043]一个实施例中，提供的一种基于低秩恢复与深度扩散融[0045]在Transformer网络之前增添马尔可夫链机制形成全局深度扩散生成模块，全局7加噪，在每个时间步，模型会逐渐向频谱图中添加噪声，直至逼近高斯噪声，使用8[0058]具体包括：将经过离散余弦变换后的频谱图利用马尔可夫链的机制进行前向加强了原始特征和前层注意力机制结果在后续注意力操作中的比重，使全局信息更加鲁棒。9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论