摘要
在暗光条件下拍摄的图像为细节较少的低照度图像,直接在该图像上进行增强会放大噪声.近年来,基于深度学习的方法在低照度图像增强以及图像去噪领域取得了出色的性能.然而,在同时进行去噪及增强方面的研究较少.文中构建了一个用于联合增强与去噪的低照度图像数据集,该数据集包含104组低照度图像和正常光照图像,每一组包含4种不同暗光程度的低照度图像.对应地,文中提出了一个渐进式图像增强网络,以自适应地处理不同光照程度的图像,通过级联多个U-Net网络,并引入全局亮度校正模块来扩大网络的拟合能力.在网络训练中,采用了像素级别的重建损失以及对抗损失.实验结果表明,所提方法在室内和室外场景下都超越了多种先进的增强与去噪算法.
基金项目
国网福建省电力有限公司科技项目(52132020009G)
NETL
NSTL
万方数据