首页|基于卷积神经网络的低照度图像增强方法

基于卷积神经网络的低照度图像增强方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提升低照度图像的饱和度,增强图像的视觉效果,对基于卷积神经网络的低照度图像增强方法设计与分析.进行低照度图像预处理,设定Reyinex卷积分辨目标,通过FRED-Net结构识别图像特征,进行BP神经元图像增强节点的布设,以此为基础,设计HSI双向卷积神经网络图像增强模型,建立注意力机制,采用合成处理实现低照度图像增强.最终的测试结果表明:与传统单质成像图像增强测试组、传统层级描述图像增强测试组相对比,文章所设计的卷积神经图像增强测试组最终得出的饱和度可以达到92％,表明该方法对于图像的增强效果更佳,具有实际的应用价值.

梁剑波、柴群

展开 >

凯里学院大数据工程学院,贵州凯里556011

卷积神经网络 图像增强 图像帧数

黔东南州科技计划贵州省教育厅自然科学研究青年人才项目

黔东南科合J字[2021]46号黔教合KY字[2020]187号

2022

长江信息通信
湖北通信服务公司

长江信息通信

影响因子：0.338
ISSN：2096-9759
年,卷(期)：2022.35(11)
  • 1
  • 5