基于深度卷积神经网络的低照度图像增强 | 网络首发 -- 中国光学期刊网

网络首发

光学学报

ESCI,EI,SCOPUS,CJCR,CSCD,北图

2019年第39卷第02期4页

基于深度卷积神经网络的低照度图像增强

马红强 ¹马时平 ¹许悦雷 ¹朱明明 ¹

录用时间：2018-07-24

网络首发时间：2018-10-08

论文栏目

图像处理

作者单位

¹ 空军工程大学

论文摘要

针对低照度条件下图像降质严重的问题，提出了一种基于深度卷积神经网络的低照度图像增强方法。首先为克服样本数据不足，根据Retinex模型进行人工合成训练样本；其次将原始低照度图像从RGB空间转换到HSI颜色空间，保持色度分量H和饱和度分量S不变，利用深度卷积神经网络对亮度分量I进行增强，最后将HSI图像转回到RGB空间得到最终的增强图像。实验结果表明，与现有主流的图像增强算法相比，本文算法不仅能够有效提升亮度和对比度，改善过增强现象，还能够避免色彩失真，在主观视觉和客观评价指标上均得到了进一步提高。

图像增强 Retinex 卷积神经网络批归一化

引用本文

马红强, 马时平, 许悦雷, 朱明明. 基于深度卷积神经网络的低照度图像增强[J]. 光学学报, 2019, 39(02): 4.

DOI：10.3788/aos201939.02图像处理04

PDF 全文：点击此处查看

网络首发

关于本站 Cookie 的使用提示

全站搜索

网络首发

浏览排行

下载排行

关于本站 Cookie 的使用提示

全站搜索