典型文献
复合残差网络在低照度图像增强中的技术研究
文献摘要：
成像设备在暗光照环境下会出现对比度不高、图像细节信息丢失、颜色失真等问题,这会对视频监控、智能交通、人脸识别等应用场景产生巨大干扰.为了解决这一问题,本文提出了一种融合了注意力机制的的复合残差网络来实现对低照度图像的增强.该算法首先通过色彩空间上的转换(RGB-HSV)将亮度分量V放入构造的神经网络中,然后神经网络通过融合了注意力机制的多分支结构进行图像浅层特征的提取,接着经过复合残差网络提取深层特征,再经过图像重建得到增强后的V分量,最后通过分量融合实现图像增强.实验结果表明,对比目前国内外主流低照度图像增强算法,所提算法在主观视觉上对图像亮度与对比度有显著提升,在PSNR、SSIM指标上与传统算法的对比结果分别提升了约20％和15％,与深度学习算法的对比结果分别提升约9％和3％,不论是在人工合成的低照度图像还是真实、自然低照度图像中均有良好表现,基本满足图像增强的颜色自然、对比度和鲁棒性高等要求.
文献关键词：
低照度图像增强;神经网络;残差网络;注意力模型;HSV色彩空间
中图分类号：
作者姓名：
王兴瑞;朴燕;王雨墨
作者机构：
长春理工大学电子信息工程学院,吉林长春130022
文献出处：
引用格式：
[1]王兴瑞;朴燕;王雨墨-.复合残差网络在低照度图像增强中的技术研究)[J].液晶与显示,2022(04):508-518
A类：
B类：
残差网络,低照度图像增强,成像设备,暗光,光照环境,对比度,细节信息,信息丢失,颜色失真,对视,视频监控,智能交通,人脸识别,大干,注意力机制,色彩空间,RGB,HSV,亮度分量,放入,多分支结构,特征的提取,深层特征,再经,图像重建,比目,图像增强算法,图像亮度,PSNR,SSIM,传统算法,深度学习算法,不论是,人工合成,注意力模型
AB值：
0.340784
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。
