典型文献
基于双重迭代的零样本低照度图像增强
文献摘要：
针对低光照条件下拍摄图像质量低下的问题,该文提出一种基于双重迭代的零样本低照度图像增强方法.其外层迭代通过卷积神经网络估计增强参数,再由内层迭代进行图像增强,增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络,最终通过多轮迭代生成高质量的图像.在该框架下,还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块,并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数.大量实验结果表明,该方法可有效将低光照图像增强为高质量的清晰图像,其性能优于现有的同类方法.同时该方法基于零样本学习,不需任何训练数据集,具有良好的普适性.
文献关键词：
图像增强;低照度;无监督学习;零样本学习;迭代增强
中图分类号：
作者姓名：
向森;王应锋;邓慧萍;吴谨;喻莉
作者机构：
武汉科技大学信息科学与工程学院 武汉 430080;华中科技大学电子信息与通信学院 武汉 430074
文献出处：
引用格式：
[1]向森;王应锋;邓慧萍;吴谨;喻莉-.基于双重迭代的零样本低照度图像增强)[J].电子与信息学报,2022(10):3379-3388
A类：
迭代增强
B类：
重迭,低照度图像增强,光照条件,图像质量,增强方法,其外,外层,内层,参数估计,多轮,增强系数,系数估计,像素级,大气光估计,亮度对比度,图像平滑,平滑性,先验,无监督损失函数,低光照图像增强,零样本学习,训练数据集,无监督学习
AB值：
0.301112
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。
