基于双残差卷积网络的低照度图像增强OA北大核心CSCDCSTPCD
Low-light image enhancement based on dual-residual convolutional network
为解决当前低照度图像增强问题,提出了一种基于双残差卷积网络的图像增强算法.首先,根据Retinex理论模型,将正常照度图像合成低照度图像,再分别将它们分解在R(红)、G(绿)、B(蓝)3个分量上,然后通过特征提取模块和双残差模块学习低照度图像与正常照度图像在各分量的映射关系,获得各分量上的增强图像,最后合成增强的RGB图像.采用双边滤波优化增强的RGB图像,使得所获得的图像更加接近参考图像.实验表明,本文所提算法,对于处理合成的低照度图像,峰值信…查看全部>>
陈清江;屈梅
西安建筑科技大学 理学院,陕西 西安710055西安建筑科技大学 理学院,陕西 西安710055
信息技术与安全科学
低照度图像增强双残差网络特征提取Retinex理论
《液晶与显示》 2021 (2)
低秩张量恢复及应用
305-316,12
国家自然科学基金(No.61403298)陕西省自然科学基金(No.2015JM1024)
评论