VIP20
本课程属于：024-AI　ISP混合架构 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

暗光增强与色彩重建全流程实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论与项目全景
暗光增强的定义 · 应用场景（安防 · 手机摄影
课程导论项目全景
02
图像成像基础
数码相机成像原理（拜耳阵列 · ISP管线） · RAW与JPEG的区别
图像成像基础数码相机成像原理
03
色彩空间与色彩理论
RGB · HSV · Lab色彩空间详解
色彩空间色彩理论
04
环境搭建与工具链
Python环境配置 · OpenCV · NumPy
环境搭建工具链
05
数据准备与预处理
暗光数据集介绍（LOL · MIT Adobe FiveK · SID）
数据准备预处理
06
直方图均衡化与自适应方法
全局直方图均衡化（HE） · 自适应直方图均衡化（CLAHE） · 实战
直方图均衡化自适应方法
07
Retinex理论及其实现
Retinex模型（光照分量与反射分… · 单尺度Retinex（SSR） · 多尺度Retinex（MSR）
Retinex理论
08
Gamma校正与色调映射
Gamma校正原理 · 对数变换 · S曲线调整
Gamma校正
09
基于滤波的降噪与增强
均值滤波 · 高斯滤波 · 中值滤波
基于滤波的降噪增强
10
白平衡算法实战
灰度世界法 · 完美反射法 · 色温估计法
白平衡算法实战灰度世界法
11
色彩校正矩阵与色彩恒常性
色彩校正矩阵（CCM）的原理与计算 · 色彩恒常性算法（基于Retinex的… · 实战：手动计算并应用CCM
色彩校正矩阵色彩恒常性
12
传统方法的完整管线搭建
整合CLAHE · MSR · 白平衡
传统方法的完整管…CLAHE
13
深度学习基础回顾
卷积神经网络（CNN）核心概念 · 损失函数（L1 · L2
深度学习基础回顾CNN
14
U-Net架构详解
U-Net的编码器-解码器结构 · 跳跃连接的作用 · 实战
U-Net架构详解
15
LLNet与LightenNet
LLNet的架构与原理 · LightenNet的简化设计 · 实战：复现并训练LLNet
LLNetLightenNet
16
Zero-DCE与无监督学习
Zero-DCE的核心思想（无参考损… · 亮度控制曲线估计 · 实战：用Zero-DCE进行暗光增强
Zero-DCE无监督学习
17
EnlightenGAN与对抗训练
生成对抗网络（GAN）基础 · EnlightenGAN的全局-局部… · 实战
EnlightenGAN对抗训练
18
MIRNet与多尺度特征融合
MIRNet的架构特点（多尺度残差块… · 选择性核融合 · 实战：理解并运行MIRNet
MIRNet多尺度特征融合
19
Restormer与Transformer架构
Transformer在视觉中的应用 · Restormer的多头注意力与门控… · 实战
RestormerTransformer
20
色彩重建专用网络
色彩重建任务的定义 · CCNN（Color Correct… · 实战：训练一个色彩校正网络
色彩重建专用网络色彩重建任务的定…
21
损失函数深度解析
L1/L2损失 · 感知损失（VGG-based） · SSIM损失
损失函数深度解析L1/L2
22
训练策略与调参技巧
学习率调度（Cosine Annea… · Step Decay） · 数据归一化
训练策略调参技巧
23
模型评估与对比
定量评估（PSNR · SSIM · LPIPS
模型评估对比
24
模型轻量化与部署
模型剪枝 · 知识蒸馏 · 量化（INT8）
模型轻量化部署
25
视频暗光增强
视频增强的挑战（时序一致性 · 光流） · 基于光流的帧对齐
视频暗光增强视频增强的挑战
26
移动端与嵌入式部署
NCNN/TNN框架介绍 · 模型转换与优化 · 实战
移动端嵌入式部署
27
低光照目标检测
暗光增强与目标检测的联合训练 · YOLO在暗光下的改进 · 实战：在暗光数据集上训练YOLO
低光照目标检测暗光增强
28
多曝光融合与HDR
多曝光图像序列的获取 · 曝光融合算法（Mertens） · HDR色调映射
HDR多曝光融合
29
实时暗光增强系统设计
系统架构设计（采集-增强-显示） · 流水线优化 · 实战
实时暗光增强系统…系统架构设计
30
课程总结与前沿展望
课程知识图谱回顾 · 前沿方向（NeRF与暗光 · 扩散模型在暗光中的应用）
课程总结前沿展望