首页|基于神经网络的飞行器空中侦查时低照度图像增强系统

基于神经网络的飞行器空中侦查时低照度图像增强系统

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
飞行器航拍时,由于飞行环境和飞行姿态的影响,会导致图像出现细节丢失和颜色失真从而影响图片质量,对图像中的目标准确识别带来挑战.针对这一问题,提出了一种Ritinex理论和基于神经网络深度学习相结合的方法,利用低照度图像增强算法来提高图像质量,从而实现侦查目标的准确识别.在AlexNet神经网络构架中引入U-net结构,根据Retinex理论采用分组卷积和深层卷积块构建了用于低照度图像增强神经网络构架,并加入亮度调整因子对分解结果进行增强.实验表明,本研究提出的方法和其它常用算法相比,有较好的整体视觉效果.另外,基于该方法所开发的低照度图像增强系统在搭建的无人机航拍平台上的应用也显示了其可靠性和准确性.
Neural Network Based Low-Light Aerial Image Enhancement System for Aerial Surveillance by Aircraft

Aerial SurveillanceRetinex TheoryLow-LightImage EnhancementDeep Learning

杨允权、刘国宁、孙克文、杨洁

展开 >

郑州大学机械与动力工程学院,河南郑州 450001

空中侦查 Retinex理论 低照度 图像增强 深度学习

河南省产学研重点支持项目

172107000008

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.391(9)
  • 1
  • 6