基于生成对抗网络的低光照图像增强算法
传统的基于深度学习的方法在低照度图像增强中已经有比较好的发挥,但是这些方法通常需要成对的数据集进行训练,而相对应的数据集正是目前难以收集的.目前的增强方法在真实的低照度图像增强中也会产生增强效果不完美和出现图像噪声等问题.针对这些问题,设计了无监督生成对抗网络,使其可以不用配对训练数据集进行训练,并且把网络分解为注意力机制网络和增强网络2个子网络.通过注意力机制网络把低照度图像中的低光区域和亮光区域区分开,并使用残差增强网络结合全局局部判别器,对图像进行增强.实验结果表明,本文的方法在低光照图像增强方面优于Enlighten-GAN、Cycle-GAN等方法.
生成对抗网络、低照度图像增强、注意力机制
41
TP391(计算技术、计算机技术)
2024-02-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
55-62