基于循环生成对抗网络的光照补偿方法

摘要：

为以较好的效果、较高的鲁棒性解决一些图片中存在的光照相关问题,对图片进行光照补偿,设计基于循环生成对抗网络的光照补偿方法.使用循环生成对抗网络对光照条件不佳的图片进行光照补偿,以分别处在正常光照和复杂光照下的同类事物或场景的图片作为对抗训练集训练CycleGAN,使用Switchable Normalization代替原CycleGAN使用的Instance Normalization,解决光照问题.通过实验中的图片对比和亮度、对比度、峰值信噪比的比较,该方法在过暗图片和强反光图片上的光照补偿效果均高于传统算法和未经更改的CycleGAN网络,验证了算法的有效性和鲁棒性.

关键词：生成对抗网络、光照补偿、计算机视觉、深度学习、归一化

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61373109

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2566-2573