信息与控制

作者：张箴, 鹿阳, 苏奕铭, 唐延东, 田建东

关键词：低照度图像增强, 光照分解, Retinex模型

低照度图像增强是近年计算机视觉领域的研究热点之一，在目标检测、自动驾驶、夜间监控等领域具有广泛的应用价值。本文分析了同一场景在不同曝光下所得到的图像的像素值分布，发现其低照度图像与正常光照图像在RGB三通道的增强比具有一定差异。基于这一现象，提出了一种基于多通道Retinex模型的低照度图像增强网络。为获得更准确的初始化光照和反射分量，设计了初始化模块。为解决低照度增强后存在的色偏问题，在光照增强模块中采用了分通道增强的策略，设计了针对性的颜色损失函数，并通过对抗性损失函数来提升生成图片的质量。在两种公开数据集上进行了实验，本文方法与现有的先进算法进行对比并取得了较好的结果。与次优的方法相比，本文方法得到的增强图像与参考图像之间的峰值信噪比提高了20%，结构相似性提高7.2%，且消除了图像中的噪声，与参考图像在数值指标和视觉效果上都更为接近。

来源：2024年第5期

《信息与控制》期刊编辑部

查看信息与控制杂志2024年第5期