Details

Autor(en) / Beteiligte

• 向森
• 王应锋
• 邓慧萍
• 吴谨
• 喻莉

Titel

基于双重迭代的零样本低照度图像增强

Ist Teil von

• 电子与信息学报, 2022-10, Vol.44 (10), p.3379-3388

Ort / Verlag

武汉科技大学信息科学与工程学院 武汉 430080%华中科技大学电子信息与通信学院 武汉 430074

Erscheinungsjahr

2022

Link zum Volltext

Quelle

Alma/SFX Local Collection

Beschreibungen/Notizen

• TN911.73%TP391; 针对低光照条件下拍摄图像质量低下的问题,该文提出一种基于双重迭代的零样本低照度图像增强方法.其外层迭代通过卷积神经网络估计增强参数,再由内层迭代进行图像增强,增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络,最终通过多轮迭代生成高质量的图像.在该框架下,还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块,并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数.大量实验结果表明,该方法可有效将低光照图像增强为高质量的清晰图像,其性能优于现有的同类方法.同时该方法基于零样本学习,不需任何训练数据集,具有良好的普适性.