基于优化策略和深度学习的低光照图像增强 |
| |
引用本文: | 黄子蒙,陈跃鹏.基于优化策略和深度学习的低光照图像增强[J].南昌大学学报(理科版),2021,45(2):135. |
| |
作者姓名: | 黄子蒙 陈跃鹏 |
| |
作者单位: | 武汉科技大学信息科学与工程学院 武汉理工大学自动化学院 |
| |
基金项目: | 国家自然科学基金资助项目(61374151); |
| |
摘 要: | 针对低光照条件下采集的图像存在视觉感官较差、细节信息丢失的问题,本文基于非线性相机响应函数模型,提出了一种融合传统优化策略和深度学习技术的低光照图像增强方法。该方法采用非线性相机响应函数模型生成更优的中间图像,并通过专门设计的神经网络实现对中间图像细节的进一步增强。利用自建数据库和公共数据库对该方法进行测试,并与现有的方法进行比较。结果表明,在传统优化方法的支持下,所提出的深度学习方法能够恢复低光照图像的清晰细节,更接近真实的参考图像,为智能导航和自动驾驶提供高质量图像。
|
关 键 词: | 低光照增强 非线性相机响应函数 深度学习 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《南昌大学学报(理科版)》浏览原始摘要信息 |
| 点击此处可从《南昌大学学报(理科版)》下载免费的PDF全文 |
|