计算机工程与应用

2020, v.56;No.965(22) 211-216

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于Retinex-UNet算法的低照度图像增强
Low Illumination Image Enhancement Based on Retinex-UNet Algorithm

刘佳敏;何宁;尹晓杰;

摘要(Abstract):

针对Retinex应用于多种场景时,其约束和参数会受到模型容量限制的问题,提出了一种基于深度学习的低照度图像增强算法,并构建了新的网络架构Retinex-UNet(RUNet)。该架构包含图像分解网络与图像增强网络两部分,利用Retinex-Net网络思想,通过卷积神经网络(Convolutional Neural Network,CNN)学习并分解图像,将其结果作为增强网络的输入,对输入图像进行端对端训练。在增强网络中构建了基于U-Net的网络架构,其可对任意大小的图像进行增强。通过在公开数据集(LOL,SID)上验证表明,RUNet方法在效果上有所改进,尤其是整体视觉效果。

关键词(KeyWords): Retinex-Net;低照度图像;卷积神经网络;U-Net;RUNet

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.61572077,No.61872042);; 北京市自然科学基金委和北京市教委联合重点项目(No.KZ201911417048);; 北京市教委科技计划项目(No.KM201811417004)

作者(Author): 刘佳敏;何宁;尹晓杰;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享