基于GAN的低照度图像增强算法研究

• 作者: 叶少珍 黄路遥
• 来源期刊: 福州大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像增强 图像复原 生成式对抗网络 卷积神经网络
• 年，卷（期）: 2020,（5）
• 页码范围: 551-557
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.7631/issn.1000-2243.19567

摘要

针对低照度图像增强问题,提出一种基于生成式对抗网络(generative adversarial networks,GAN)的循环式图像增强网络.引入无监督学习方式,通过降低循环一致性损失和对抗性损失,估计低照度图像的原始光照图;利用建立的图像增强模型公式,对光照不足环境下采集到的图像进行亮度等方面的增强.在人工合成低照度图像数据集和真实自然低照度图像数据集上,均进行了质化和量化评价.实验表明,与现有的一些图像增强方法相比,该方法具有更好的图像增强效果,能够由低照度图像复原出生动、清晰、直观、自然的高质量图像.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶少珍		62	283	9.0	14.0
2	黄路遥		1	0	0.0	0.0