改进Retinex-Net的低光照图像增强算法

• 作者: 欧嘉敏 胡晓 杨佳信
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 低光照图像增强 深度网络 视网膜大脑皮层网络(Retinex-Net) 浅层上下采样结构 注意机制模块
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 研究与应用
• 页码范围: 77-86
• 页数: 10页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202101008

摘要

针对Retinex-Net存在噪声较大、颜色失真的问题,基于Retinex-Net的分解-增强架构,文中提出改进Ret-inex-Net的低光照图像增强算法.首先,设计由浅层上下采样结构组成的分解网络,将输入图像分解为反射分量与光照分量,在此过程加入去噪损失,抑制分解过程产生的噪声.然后,在增强网络中引入注意力机制模块和颜色损失,旨在增强光照分量亮度的同时减少颜色失真.最后,反射分量和增强后的光照分量融合成正常光照图像输出.实验表明,文中算法在有效提升图像亮度的同时降低增强图像噪声.