基于Retinex改进的低照度图像增强网络OA北大核心

针对低照度场景下拍摄的图像存在对比度低、亮度过暗等问题,设计一个基于Retinex改进的低照度图像增强网络。将低照度图像以数据驱动的方式分解为反射图和光照图,通过UNet++对反射图进行噪声抑制和细节恢复,光照图则根据用户设定的增强比率自适应调节亮度。经过在多个数据集上实验验证表明,该算法在视觉、客观指标、运行效率上有一定优势,能有效地增强不同光照强度下的低照度图像,对人工智能背景下的夜间图像采集工作有一定的应用价值。