首页|基于无监督学习的低照度图像增强算法

基于无监督学习的低照度图像增强算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对目前低照度图像增强算法存在恢复细节丢失、网络复杂度高和配对数据集获取难度大等问题,提出了一种基于无监督学习的图像增强算法.在YIQ色彩空间中,通过构建的轻量化网络和幂指函数计算亮度通道Y的增强曲线,从而获得曝光较差区域增强和高光区域遏制的图像.该网络使用的无参考损失函数可以隐式地评估图像增强质量并驱动网络学习.实验对比结果表明,该算法在可训练参数和模型权重仅占9.5 k/88 kB的情形下,在视觉效果与图像质量指标上都取得了具有竞争力的结果.
Low-light image enhancement algorithm based on unsupervised learning

low-light image enhancementenhancement curveunsupervised learninglightweight net-work

苏赋、敬梁、罗仁泽、王龙业、张凯信、方东

展开 >

西南石油大学电气信息学院,四川成都 610500

低照度图像增强 增强曲线 无监督学习 轻量级网络

国家科技重大专项

2017ZX05019003-002

2023

10.16136/j.joel.2023.10.0392

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(10)
  • 4