极端低光情况下的图像增强方法

摘要：

针对极端低光情况下的图像增强问题,提出一种基于编码解码网络和残差网络的端到端的全卷积网络模型.设计一个包括编码解码网络和精细网络2部分的端到端的全卷积网络模型作为转换网络,直接处理短曝光图像的光传感器数据得到RGB格式的输出图像.该网络包含对抗思想、残差结构和感知损失,先通过对极低光图像编码解码重构图像的低频信息,之后将重构的低频信息输入残差网络中进而重构出图像的高频信息.在SID数据集上进行实验验证,结果表明,该方法有效地提高了极端低光情况下拍摄得到的图像进行低光增强之后的视觉效果,增加了细节表达,使得图像中物体的纹理更加清楚和边缘更加分明.

关键词：深度学习、卷积神经网络、极低光图像、生成对抗网络、图像增强

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：520-528