基于多路径卷积网络的低光照图像增强的算法研究

发布时间：2022-11-09 21:36

　　图像质量与很多计算机视觉相关技术的效果息息相关,高质量的图像可以带来更多信息。日常生活中的很多因素都可以直接或间接地影响图像质量,低光照便是其中之一。如果能对低光照图像进行预处理来提升图像质量,计算机视觉任务的效果可以得到提升,例如夜间,深海环境以及其他低光照条件下的图像识别与图像分割等任务。因此,对低光照图像增强进行研究具有重要的实际应用价值与理论意义。本文主要针对低光照场景下的图像增强算法进行了研究。目前很多基于深度学习的低光照图像增强模型都建立在Retinex理论上,这意味着他们通常需要训练额外的分解网络来分离亮度图与反射图,而这样会增大模型的参数量与计算量。本文提出的基于多路径卷积神经网络的低光照图像增强方法相比于以往的低光照图像增强算法可以避免这些缺陷。本文首先介绍了一些数字图像与卷积神经网络的基础理论,并对相关的低光照图像增强方法进行梳理与探讨,然后对研究方法与内容进行描述。本文详细描述了提出多路径卷积结构的动机,假设与结果,系统地设计了实验并进行验证。本文的主要贡献包括:1)针对低光照图像增强任务,本文提出了两种能够处理不同曝光条件的基于多路径卷积神经网络的图像增强方法。... 

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景
    1.2 研究目的与意义
    1.3 低光照图像增强的研究现状
        1.3.1 基于直方图均衡的低光照图像增强
        1.3.2 基于Retinex理论的低光照图像增强算法
        1.3.3 基于深度学习的低光照图像增强算法
    1.4 主要研究内容
    1.5 章节安排
第2章 理论背景知识介绍
    2.1 直方图均衡
    2.2 色彩空间
    2.3 卷积神经网络
        2.3.1 卷积层
        2.3.2 激活层
        2.3.3 池化层
        2.3.4 批标准化处理
        2.3.5 感受野
    2.4 本章小结
第3章 基于多路径卷积神经网络的低光照图像增强
    3.1 网络结构设计动机与假设
    3.2 使用卷积网络验证假设
        3.2.1 色彩空间转换的使用方式
        3.2.2 加入批标准化层
        3.2.3 网络结构的影响
        3.2.4 全局信息对亮度与色度的影响
        3.2.5 增加结构相似性损失函数
    3.3 低光照多路融合增强网络
    3.4 低光照双路增强网络
        3.4.1 亮度网
        3.4.2 色度网
        3.4.3 融合层
    3.5 本章小结
第4章 实验细节与结果分析
    4.1 数据集
    4.2 实验环境与实施细节
    4.3 评估指标
        4.3.1 峰值信噪比
        4.3.2 结构相似性
        4.3.3 自然图像质量评估
        4.3.4 亮度顺序误差
    4.4 实验结果与分析
        4.4.1 验证假设实验的实验结果
        4.4.2 网络模型在测试集上的结果
        4.4.3 部分结果图片展示
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]图像亮度精确控制的双直方图均衡算法[J]. 江巨浪,王振东,钟伦超,吴翰.  电子科技大学学报. 2018(01)



本文编号：3704935