面向车型识别的夜间车辆图像增强网络RIC-NVNet
目的 由于夜间图像具有弱曝光、光照条件分布不均以及低对比度等特点,给基于夜间车辆图像的车型识别带来困难.此外,夜间车辆图像上的车型难以肉眼识别,增加了直接基于夜间车辆图像的标定难度.因此,本文从增强夜间车辆图像特征考虑,提出一种基于反射和照度分量增强的夜间车辆图像增强网络(night-time vehicle image enhancement network based on reflectance and illumination components,RIC-NVNet),以增强具有区分性的特性,提高车型识别正确率.方法 RIC-NVNet网络结构由3个模块组成,分别为信息提取模块、反射增强模块和照度增强模块.在信息提取模块中,提出将原始车辆图像与其灰度处理图相结合作为网络输入,同时改进了照度分量的约束损失,提升了信息提取网络的分量提取效果;在反射分量增强网络中,提出将颜色恢复损失和结构一致性损失相结合,以增强反射增强网络的颜色复原能力和降噪能力,有效提升反射分量的增强效果;在照度分量增强网络中,提出使用自适应性权重系数矩阵,对夜间车辆图像的不同照度区域进行有区别性的增强.结果 在模拟夜间车辆图像数据集和真实夜间车辆图像数据集上开展实验,从主观评价来看,该网络能够提升图像整体的对比度,同时完成强曝光区域和弱曝光区域的差异性增强.从客观评价分析,经过本文方法增强后,夜间车型的识别率提升了 2%,峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity,SSIM)指标均有相应提升.结论 通过主观和客观评价,表明了本文方法在增强夜间车辆图像上的有效性,经过本文方法的增强,能够有效提升夜间车型的识别率,满足智能交通系统的需求.
车型识别、暗光增强、图像分解、生成对抗网络(GAN)、Retinex模型
28
TP391(计算技术、计算机技术)
国家自然科学基金;安徽省重点研究与开发计划项目
2023-08-17(万方平台首次上网日期,不代表论文的发表时间)
共14页
2054-2067