典型文献
基于深度学习的矿井下低照度图像增强算法研究
文献摘要：
针对传统图像增强算法在处理井下图片时存在的噪声大、图像颜色失真等问题,提出一种基于深度学习的KinD-Net算法应用于矿井下环境对图像进行增强.该算法在图像分解网络中加入重构损失,反射图恢复网络中加入去噪模块,抑制图像增强过程中产生的噪声.在反射恢复网络中引入照度图信息减少图像颜色失真.将本文算法与Retinex算法、MSRCR算法、HSV MSRCR算法与Retinex-Net算法进行对比.实验结果表明,本文算法峰值信噪比、机构相似性方面表现较优,可以有效提高图像的亮度,优化图像颜色失真问题.
文献关键词：
矿井图像;图像增强;卷积神经网络;KinD-Net
中图分类号：
作者姓名：
李藤;刘凯雷
作者机构：
黑龙江科技大学电气与控制工程学院,黑龙江哈尔滨,150022
文献出处：
引用格式：
[1]李藤;刘凯雷-.基于深度学习的矿井下低照度图像增强算法研究)[J].电子测试,2022(09):51-53,134
A类：
KinD
B类：
井下,低照度图像增强,图像增强算法,算法研究,下图,片时,颜色失真,Net,算法应用,图像分解,复网,去噪模块,制图,强过,图信息,Retinex,MSRCR,HSV,峰值信噪比,亮度,真问题,矿井图像
AB值：
0.342254
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。
