基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于去噪卷积自编码器的色织 衬衫裁片缺陷检测
色织衬衫裁片
缺陷检测
卷积自编码器
图像重构
基于深度卷积自编码神经网络的手写数字识别研究
卷积自编码神经网络
双线性插值
手写数字识别
深度学习
基于栈式降噪自编码器的协同过滤算法
推荐系统
协同过滤
深度学习
栈式降噪自编码器
基于深度卷积稀疏自编码分层网络的人脸识别技术
人脸识别
特征提取
稀疏自编码
卷积神经网络
SVM分类器
深度网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 采用卷积自编码器网络的图像增强算法
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (177)
共引文献  (181)
参考文献  (20)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(3)
  • 参考文献(0)
  • 二级参考文献(3)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(7)
  • 参考文献(1)
  • 二级参考文献(6)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(8)
  • 参考文献(0)
  • 二级参考文献(8)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(10)
  • 参考文献(1)
  • 二级参考文献(9)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(12)
  • 参考文献(2)
  • 二级参考文献(10)
2014(6)
  • 参考文献(2)
  • 二级参考文献(4)
2015(21)
  • 参考文献(0)
  • 二级参考文献(21)
2016(27)
  • 参考文献(1)
  • 二级参考文献(26)
2017(36)
  • 参考文献(3)
  • 二级参考文献(33)
2018(8)
  • 参考文献(5)
  • 二级参考文献(3)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像处理
图像增强
深度学习
卷积神经网络
降噪自编码器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导