基于无监督学习的低照度图像增强算法
Low-light image enhancement algorithm based on unsupervised learning
苏赋 1敬梁 1罗仁泽 1王龙业 1张凯信 1方东1
作者信息
- 1. 西南石油大学电气信息学院,四川成都 610500
- 折叠
摘要
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.
关键词
低照度图像增强/增强曲线/无监督学习/轻量级网络Key words
low-light image enhancement/enhancement curve/unsupervised learning/lightweight net-work引用本文复制引用
基金项目
国家科技重大专项(2017ZX05019003-002)
出版年
2023
NETL
NSTL
维普
万方数据