基于深度学习的微光条件下图像增强算法

来源 :微型电脑应用 | 被引量 : 0次 | 上传用户:ddlin2121
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于噪声与光电子数等因素的干扰,在微光条件下的camera成像具有一定难度。因此为了提高微光条件下的图像质量,提出了一种基于深度学习的图像处理方法进行低照度下的camera图像增强。提出的方法可直接对原始的传感器raw图进行处理,以代替传统的多步骤的复杂的图像处理系统。最后,与多种方法进行对比并给出了对比的重建结果以显示方法的有效性。
其他文献
为了提高医疗大数据利用效率,在研究了慢性病医疗数据ETL管理、最小化索引开销、提高查询执行和搜索性能以及在聚合计算资源利用率的基础上,设计了一种慢性病健康档案管理系统。该系统可分解为四个模块:ETL、数据块创建、索引创建及查询。该系统作为用户和分布式数据管理系统之间的中间层,可提供数据上传、查询执行机制及提供索引以方便对数据的搜索操作。通过仿真分析,这个方法在处理海量数据时检索效率远高于启发式算法。仿真结果进一步验证了慢性病健康档案管理系统的有效性及实用性。
针对主数据的科学识别,通过设计识别工作流程,对识别评判标准的量化分析,解决以往业务人员对主数据定义理解的不一致而造成的主数据识别分歧与风险。通过对某大型电网企业主数据应用现状进行调研,结合企业实际业务条件,设计符合企业运行的主数据识别工作流程,分清责任实体,做到数据谁生产、谁识别、谁维护。再根据业界流行的分析方法,设计出符合需求的主数据量化识别模式,准确科学地识别企业内部的主数据,从而达到解决业务分歧与风险的效果。