CN115861101B 一种基于深度可分离卷积的低照度图像增强方法 （福州大学）_第1页
CN115861101B 一种基于深度可分离卷积的低照度图像增强方法 （福州大学）_第2页
CN115861101B 一种基于深度可分离卷积的低照度图像增强方法 （福州大学）_第3页
CN115861101B 一种基于深度可分离卷积的低照度图像增强方法 （福州大学）_第4页
CN115861101B 一种基于深度可分离卷积的低照度图像增强方法 （福州大学）_第5页
已阅读5页，还剩8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

AU2020100175A4,2020.04一种基于深度可分离卷积的低照度图像增本发明涉及一种基于深度可分离卷积的低2点卷积的核大小为1x1和步长1；根据Retinex理论，期望恢复的图像z与捕获的原始低照度图像y之间存在如下关联：y=z&x,其中x代表光照分量，8表示按照元素乘法；光照分量是弱光图像增强中需要进行优化的核心成分；3tij2.根据权利要求1所述的一种基于深度可分离卷积的低照度图像增强方法，其特征在通过电子摄像头采集日夜间隧道工地内部狭窄的施工环境现场数据，3.根据权利要求1所述的一种基于深度可分离卷积的低照度图像增强方法，其特征在4[0013]图2是本发明实施例过程中所使用的具有权值共享的级联自校准照明学习结构示5[0024]权值共享机制，即在每个阶段使用带有相同参数权值的相同的映射结构H来学习的PSNR值；原始的神经网络中基本块包含一个大小为3×3的卷积层和一个ReLU激活函数[0028]根据Retinex理论，期望恢复的图像z与捕获的原始低照度图像y之间存在如下关联：y=z&x,其中x代表光照分量，8表示按照元素乘法；光照分量是弱光图像增强中需67[0058]步骤S32、将步骤S2优化好的低照度图像增强模型作用在每一张

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