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:
使用图像增强方法和深度学习的方法可以提高低照度图像亮度,改善图像质量.文章首先对传统的低照度图像增强算法分类介绍,总结这些算法近年来的改进过程,然后重点介绍当下适用于低照度图像增强的网络模型,同时对这些网络结构和适用于该网络的部分方法进行梳理,最后介绍实验所需要的数据库与增强后图像的评价准则,提出了目前深度学习在该领域所面临的挑战,旨在为低照度图像增强的发展方向提供思考.
推荐文章
基于深度学习的图像风格迁移研究综述
图像风格迁移
深度学习
迁移学习
纹理合成
基于深度学习的图像语义分割技术研究综述
智能系统
图像语义分割
深度学习
视觉智能
基于深度学习的文本自动生成技术研究综述
文本自动生成
深度学习
评测准则
深度学习在图像识别中的应用研究综述
深度学习
图像识别
卷积神经网络
胶囊网络
迁移学习
非监督学习
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 基于深度学习的低照度图像增强技术研究综述
来源期刊 无线互联科技 学科
关键词 低照度图像增强 深度神经网络 生成对抗网络
年,卷(期) 2021,(1) 所属期刊栏目 技术应用
研究方向 页码范围 77-80
页数 4页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (86)
共引文献  (23)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1964(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(7)
  • 参考文献(1)
  • 二级参考文献(6)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(10)
  • 参考文献(0)
  • 二级参考文献(10)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(13)
  • 参考文献(0)
  • 二级参考文献(13)
2016(5)
  • 参考文献(1)
  • 二级参考文献(4)
2017(6)
  • 参考文献(1)
  • 二级参考文献(5)
2018(12)
  • 参考文献(1)
  • 二级参考文献(11)
2019(9)
  • 参考文献(5)
  • 二级参考文献(4)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 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
低照度图像增强
深度神经网络
生成对抗网络
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
无线互联科技
半月刊
1672-6944
32-1675/TN
16开
江苏省南京市
2004
chi
出版文献量(篇)
18145
总下载数(次)
78
总被引数(次)
27320
论文1v1指导