采用深度学习与图像融合混合实现策略的低照度图像增强算法

• 作者: 徐少平 林珍玉 张贵珍 陈孝国 李芬
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 低照度图像增强 深度学习 照射分量预测模型 适度增强图像 过曝光图像 图像融合
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 72-76
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.12263/DZXB.20191286

摘要

提出了一种采用深度学习与图像融合混合实现策略的低照度图像增强算法.首先,利用照射分量预测模型直接基于输入的低照度图像快速地估计出其最佳照射分量并在Retinex模型框架下获得一张整体上适度曝光图像;其次,将低照度图像本身及它的过曝光图像作为适度曝光图像的修正补充图像参与融合;最后,采用局部结构化融合和色度加权融合机制技术将制备好的3张待融合图像进行融合以获得最终的增强图像.实验数据表明:本文算法相较于各种主流对比算法在主客观图像质量评价指标上均有显著优势,在局部图像结构细节上具有更好的边缘保持和颜色保真效果.