典型文献
基于端到端双网络的低照度图像增强方法
文献摘要：
由于环境的不确定性,捕获的图像存在亮度低、对比度低和信息丢失严重等问题,且利用现存算法增强后的图像存在曝光过度问题,不能满足计算机视觉任务的输入要求.针对此问题,提出了基于端到端双网络的低照度图像增强方法,该网络由Inception网络模块与URes-Net模块组成.首先利用Ret-inex理论合成低照度图像样本;然后运用双网络模型进行特征提取、特征融合与重建,根据测试集的损失不断调整参数以优化模型,最终使双网络模型具有较高的低照度图像增强能力.实验结果表明,所提方法的PSNR和SSIM的均值分别为28.6598 dB和0.8966,亮度、对比度显著提高,获得的图像更加符合人类视觉,优于其他先进的低照度图像增强方法.
文献关键词：
低照度图像增强;残差网络;InceptionNet V1;卷积神经网络;特征融合
中图分类号：
作者姓名：
陈清江;李金阳;屈梅;胡倩楠
作者机构：
西安建筑科技大学理学院,陕西西安 710055
文献出处：
引用格式：
[1]陈清江;李金阳;屈梅;胡倩楠-.基于端到端双网络的低照度图像增强方法)[J].计算机工程与科学,2022(11):2019-2026
A类：
URes,InceptionNet
B类：
端到端,双网络,低照度图像增强,增强方法,亮度,对比度,信息丢失,存算,曝光,光过,计算机视觉,视觉任务,Ret,inex,像样,特征融合,测试集,调整参数,终使,增强能力,PSNR,SSIM,dB,人类视觉,残差网络,V1
AB值：
0.306204
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
