基于优化策略和深度学习的低光照图像增强

作     者：黄子蒙 陈跃鹏 HUANG Zimeng;CHEN Yuepeng

作者机构：武汉科技大学信息科学与工程学院湖北武汉430081 武汉理工大学自动化学院湖北武汉430070 

基　　金：国家自然科学基金资助项目(61374151) 

出 版 物：《南昌大学学报（理科版）》 (Journal of Nanchang University(Natural Science))

年 卷 期：2021年第45卷第2期

页      码：135-140页

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。

主 题 词：低光照增强 非线性相机响应函数 深度学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1006-0464.2021.02.008

馆 藏 号：203104267...