基于注意力机制的低光图像增强和水印嵌入协作网络

    公开(公告)号:CN116503277A

    公开(公告)日:2023-07-28

    申请号:CN202310428060.2

    申请日:2023-04-20

    摘要: 本发明公开了一种基于注意力机制的低光图像增强和水印嵌入协作网络,包括:获取若干成对图像和水印,其中,成对图像包括:正常图像和低光图像;基于注意力机制构建低光图像增强和水印嵌入协作网络,将成对图像和水印输入低光图像增强和水印嵌入协作网络进行训练,得到训练好的低光图像增强和水印嵌入协作网络;获取待测低光图像;将待测低光图像输入训练好的低光图像增强和水印嵌入协作网络,得到高质量高鲁棒性图像。本发明具有更好的视觉质量、鲁棒性和不可见性,并且水印嵌入对图像质量的影响很小。

    条件扩散概率模型训练方法及全向图像生成方法

    公开(公告)号:CN118096532A

    公开(公告)日:2024-05-28

    申请号:CN202410148281.9

    申请日:2024-02-01

    IPC分类号: G06T3/4053 G06T5/70

    摘要: 一种条件扩散概率模型训练方法及全向图像生成方法,涉及图像处理领域。在条件扩散概率模型训练方法,包括:获取低分辨率的全向训练图像,将全向训练图像输入至初始条件扩散概率模型,对全向训练图像进行离散小波变换,得到离散小波图像提取所述全向训练图像的纬度权重矩阵;对全向训练图像进行加噪处理,得到噪声图像;根据离散小波图像和所述纬度权重矩阵,对噪声图像进行去噪处理,得到去噪图像,对去噪图像进行逆离散小波变换,得到目标全向图像;根据目标全向图像计算损失值,根据损失值调整初始条件扩散概率模型,得到训练完成的条件扩散概率模型。采用本申请可以生成保留全局内容和几何结构信息的高分辨率全向图像。

    基于去噪扩散概率模型的低光图像处理方法

    公开(公告)号:CN117522727A

    公开(公告)日:2024-02-06

    申请号:CN202311480119.9

    申请日:2023-11-07

    摘要: 本发明涉及低光图像处理技术领域,具体涉及基于去噪扩散概率模型的低光图像处理方法,包括以下步骤:S1:获取原始图像,执行去噪扩散概率模型DDPM的正向扩散过程,形成高斯噪声图像;S2:获取低光图像,并对其进行直方图均衡化处理;S3:对获取的低光图像进行Retinex分解,获取表征物体颜色的反射图;S4:利用S1中获得的高斯噪声图像和S2中获得的低光图像,采用隐式扩散模型DDIM执行反向扩散过程,从噪声图像中逐步移除噪声;S5:利用S2中获得初步增强的图像作为先验条件,指导DDIM的继续反向扩散过程,处理光照分布不均匀的局部区域;S6:在步骤S5的基础上,利用S3获得的反射图作为先验条件,继续引导DDIM的反向扩散过程。本发明,全面增强了低光度图像的清晰度和颜色,同时利用自适应加速生成策略实现高效的实时处理。