典型文献
一种改进CycleGAN的低照度图像增强网络
文献摘要：
为了提高CycleGAN对低照度图像增强后的细节分辨能力,提高图像整体的视觉质量,提出了一种改进CycleGAN的低照度图像增强算法.该网络的生成器由低光照增强模块和亮度均衡处理模块组成,用以学习低照度图像到正常照度图像的特征映射.以多尺度卷积和残差空洞卷积构建基于U-Net的低光照增强模块,提高网络对增强后图像细节信息的恢复能力;以全卷积构建亮度均衡处理模块,使图像亮度分布均匀并且提高图像视觉质量;以Patch-GAN作为网络的判别器,利用映射为一个N×N的矩阵来提高判别器对细节信息的分辨能力,并且增强网络收敛能力.验证结果表明,相较于其他对比方法,所提算法增强后的图像拥有更好的主观视觉效果和图像细节,同时在客观指标上的结果也优于其他方法.
文献关键词：
低照度图像;多尺度卷积;残差空洞卷积;亮度均衡处理模块;Patch-GAN
中图分类号：
作者姓名：
李天宇;吴浩;毛艳玲;陈明举;石柱
作者机构：
四川轻化工大学人工智能四川省重点实验室, 四川宜宾 644005;四川轻化工大学自动化与信息工程学院, 四川宜宾 644005
文献出处：
引用格式：
[1]李天宇;吴浩;毛艳玲;陈明举;石柱-.一种改进CycleGAN的低照度图像增强网络)[J].无线电工程,2022(05):799-806
A类：
亮度均衡处理模块
B类：
CycleGAN,低照度图像增强,视觉质量,图像增强算法,生成器,低光照增强,特征映射,多尺度卷积,残差空洞卷积,Net,后图,细节信息,恢复能力,全卷积,图像亮度,Patch,判别器,网络收敛,收敛能力,比方,视觉效果,和图像,客观指标,其他方法
AB值：
0.250039
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。
