基于双重迭代的零样本低照度图像增强
针对低光照条件下拍摄图像质量低下的问题,该文提出一种基于双重迭代的零样本低照度图像增强方法.其外层迭代通过卷积神经网络估计增强参数,再由内层迭代进行图像增强,增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络,最终通过多轮迭代生成高质量的图像.在该框架下,还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块,并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数.大量实验结果表明,该方法可有效将低光照图像增强为高质量的清晰图像,其性能优于现有的同类方法.同时该方法基于零样本学习,不需任何训练数据集,具有良好的普适性.
图像增强、低照度、无监督学习、零样本学习、迭代增强
44
TN911.73;TP391
国家自然科学基金;国家自然科学基金;国家自然科学基金
2022-10-27(万方平台首次上网日期,不代表论文的发表时间)
共10页
3379-3388