基于深度学习的低照度图像增强
该文以深度学习为基础,以增强低照度图像为背景,对图像处理技术展开了研究.在对已有的比较流行的增强技术的研究基础上,对一些步骤进行改善,提出了改进的RetinexNet算法.传统的Retinex算法在处理单张图像时比较好用,但是运算速度比较慢,没办法批量快速处理图像.在对RetinexNet改进之后,该算法能对低照度图像进行较为快速的优化,在增强图像质量的同时改善了图像细节和色彩失真,控制了图像的噪声.
低照度图像、图像增强、RetinexNet改进算法
18
TP3(计算技术、计算机技术)
江苏省大学生创新训练计划项目SYB2020001
2022-05-12（万方平台首次上网日期，不代表论文的发表时间）
共3页
76-77,88
