基于Retinex-Net改进的室外场景低照度图像增强算法

摘要：

为解决低光照环境下图片可见度差以及色彩偏差等问题,提出一种基于Retinex-Net网络改进的低照图增强方法.方法将输入图片由RGB域转换到HSV色彩空间进行处理,对V分量的反射图引入去噪卷积神经网络DeamNet网络去噪,将V分量的光照图通过空间注意力模块和通道注意力模块进行色彩增强,最后将各分量融合后转换回RGB空间获得增强效果.经实验证明,本算法增强后的低照度图像亮度提升、细节突出、图像失真小且真实自然,从主观感受与客观评价指标各方面均优于其他算法.

关键词：Retinex-Net网络、深度学习、图像分解、低照度图像增强

所属期刊栏目：43

分类号：TP391.41(计算技术、计算机技术)

资助基金：贵州省科学技术基金资助项目

在线出版日期：2022-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：33-37