文章目录

1 引言

2 注意残差稠密网络的弱光照图像增强算法

2.1 算法思路

2.2 注意残差稠密网络

    2.2.1 注意循环网络

    2.2.2 残差稠密网络

    2.2.3 残差稠密模块结构

    2.2.4 损失函数

3 实验结果分析

3.1 实验环境与参数设置

3.2 数据集

3.3 注意残差稠密网络消融实验

3.4 注意残差稠密网络有效性和鲁棒性验证

3.5 真实弱光照图像增强结果对比

4 结论

文章摘要:针对传统的弱光照图像增强算法鲁棒性差,基于神经网络的图像增强算法直接从弱光照图像中估计增强结果,并未注入视觉注意机制,不能有效注意弱光照区域,导致算法增强结果的精度不高等问题,本文提出了注意残差稠密神经网络的弱光照图像增强算法来提高弱光照图像的增强精度和视觉效果。该算法主要包括注意循环网络和残差稠密网络,注意循环网络在光照图的引导下,利用循环网络结构逐步关注图像中的弱光照区域,从而产生由粗到细,逐步优化的光照注意图。而光照注意图则进一步联合弱光照图像作为后续的残差稠密网络的输入,引导残差稠密网络为弱光照区域分配更多的计算资源,更好地学习弱光照图像与增强图像的映射关系,得到准确的图像增强结果。实验表明,本文算法在合成图像及真实图像上均较常用算法有更好的增强效果。

文章关键词:

项目基金:《信息记录材料》 网址: http://www.xxjlcl.cn/qikandaodu/2021/1113/2323.html