Current Location:home > Browse

1. chinaXiv:202003.00048 [pdf]

自监督图像增强网络:仅需低照度图像进行训练

张雨; 遆晓光; 张斌; 王春晖
Subjects: Computer Science >> Other Disciplines of Computer Science

本文提出了一种基于深度学习的自监督低照度图像增强方法。受信息熵理论和Retinex模型的启发,我们提出了一种基于信息熵最大的Retinex模型。利用该模型,一个非常简单的网络可以将照度图和反射图分离开来,且仅用低照度图像就可以进行训练。为了实现自监督学习,我们在模型中引入了一个约束条件:反射图的最大值通道与低照度图像的最大值通道一致,且其熵最大。我们的模型非常简单,不依赖任何精心设计的数据集(即使是一张低照度图像也能完成网络的训练),网络仅需进行分钟级的训练即可实现图像增强。实验证明,该方法在处理速度和效果上均达到了当前最新水平。

submitted time 2020-03-06 Hits16875Downloads772 Comment 1

2. chinaXiv:201901.00141 [pdf]

多级分解的Retinex低照度图像增强算法

王萍; 孙振明
Subjects: Computer Science >> Integration Theory of Computer Science

针对现有算法对图像边缘细节增强不足及无法有效控制各尺度信息增强程度的问题,提出了多级分解的Retinex低照度图像增强算法。该算法在Retinex分解模型和双边滤波的基础上,通过设置不同的滤波参数,获取表征图像不同尺度信息的反射分量和照度分量;通过使用指数函数对分解得到的各级反射分量进行增强,能够有效提升图像边缘细节的表达能力;通过使用S型函数对最终的照度分量进行处理,能够在提升低照度图像整体亮度的同时抑制高亮度区域;通过颜色恢复函数对增强图像进行后处理,进一步避免色彩偏差和失真的问题。实验结果表明,新算法能够改善低照度图像的视觉质量,在清晰度、信息熵、对比度等指标方面都有所提升。

submitted time 2019-01-28 From cooperative journals:《计算机应用研究》 Hits1009Downloads464 Comment 0

  [1 Pages/ 2 Totals]