10.3969/j.issn.1007-130X.2022.11.015
基于端到端双网络的低照度图像增强方法
由于环境的不确定性,捕获的图像存在亮度低、对比度低和信息丢失严重等问题,且利用现存算法增强后的图像存在曝光过度问题,不能满足计算机视觉任务的输入要求.针对此问题,提出了基于端到端双网络的低照度图像增强方法,该网络由Inception网络模块与URes-Net模块组成.首先利用Ret-inex理论合成低照度图像样本;然后运用双网络模型进行特征提取、特征融合与重建,根据测试集的损失不断调整参数以优化模型,最终使双网络模型具有较高的低照度图像增强能力.实验结果表明,所提方法的PSNR和SSIM的均值分别为28.6598 dB和0.8966,亮度、对比度显著提高,获得的图像更加符合人类视觉,优于其他先进的低照度图像增强方法.
低照度图像增强、残差网络、InceptionNet V1、卷积神经网络、特征融合
44
TP391.4(计算技术、计算机技术)
国家自然科学基金;陕西省自然科学基金
2022-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
2019-2026