采用卷积自编码器网络的图像增强算法

• 作者: 吕闯 张兆娟 杨小涵 王万良 赵燕伟 高楠
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 图像处理 图像增强 深度学习 卷积神经网络 降噪自编码器
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 计算机科学与人工智能
• 页码范围: 1728-1740
• 页数: 13页
• 分类号: TP311.1
• 字数: 8298字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.09.012

摘要

将图像增强方法低光网络(LLNet)应用于实际场景下的彩色图像时会产生大量冗余参数,为此基于LL-Net提出卷积自编码器网络(CAENet)的图像增强方法.将LLNet方法中的低光处理模块与网络训练衔接在一起;采用卷积网络代替传统自编码器的编码和解码方式.实验结果表明:CAENet能够有效节约时间成本,减少网络参数,使网络训练更加高效,得到更好的图像低维表示.在Corel5k数据集上的实验效果表明,CAENet在减少网络参数的同时,能有效提高图像光感和色感;在高分辨率数据集上的实验结果表明,针对图像细节方面,CAENet能够保留细节不失真;针对含噪低光图像,CAENet能在增强图像的同时达到去噪的效果,证明CAENet具有较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵燕伟	浙江工业大学计算机科学与技术学院机械工程学院	136	1987	25.0	40.0
2	王万良	浙江工业大学计算机科学与技术学院机械工程学院	303	3770	29.0	48.0
3	高楠	浙江工业大学计算机科学与技术学院机械工程学院	14	28	2.0	5.0
4	张兆娟	浙江工业大学计算机科学与技术学院机械工程学院	5	25	2.0	5.0
5	吕闯	浙江工业大学计算机科学与技术学院机械工程学院	3	2	1.0	1.0
6	杨小涵	浙江工业大学计算机科学与技术学院机械工程学院	2	1	1.0	1.0