返回列表 发布新帖

基于任务解耦的低照度图像增强方法

6 0
admin 发表于 2024-12-14 12:06 | 查看全部 阅读模式

文档名:基于任务解耦的低照度图像增强方法
摘要:低照度条件下拍摄的照片往往存在亮度低、颜色失真、噪声高、细节退化等多重耦合问题,因此低照度图像增强是一个具有挑战性的任务.现有基于深度学习的低照度图像增强方法通常聚焦于对亮度和色彩的提升,导致增强图像中仍然存在噪声等缺陷.针对上述问题,本文提出了一种基于任务解耦的低照度图像增强方法,根据低照度图像增强任务对高层和低层特征的不同需求,将该任务解耦为亮度与色彩增强和细节重构两组任务,进而构建双分支低照度图像增强网络模型(Two-BranchLow-lightImageEnhancementNetwork,TBLIEN).其中,亮度与色彩增强分支采用带全局特征的U-Net结构,提取深层语义信息改善亮度与色彩;细节重构分支采用保持原始分辨率的全卷积网络实现细节复原和噪声去除.此外,在细节重构分支中,本文提出一种半双重注意力残差模块,能在保留上下文特征的同时通过空间和通道注意力强化特征,从而实现更精细的细节重构.在合成和真实数据集上的广泛实验表明,本文模型的性能超越了当前先进的低照度图像增强方法,并具有更好的泛化能力,且可适用于水下图像增强等其他图像增强任务.

作者:牛玉贞   陈铭铭   李悦洲   赵铁松 Author:NIUYu-zhen   CHENMing-ming   LIYue-zhou   ZHAOTie-song
作者单位:福州大学计算机与大数据学院,福建福州350108;福建省网络计算与智能信息处理重点实验室(福州大学),福建福州350108;大数据智能教育部工程研究中心,福建福州350108福州大学计算机与大数据学院,福建福州350108福州大学物理与信息工程学院,福建福州350108
刊名:电子学报
Journal:ActaElectronicaSinica
年,卷(期):2024, 52(1)
分类号:TP391.41
关键词:低照度图像增强  任务解耦  双分支网络模型  对比学习  残差网络  
Keywords:low-lightimageenhancement  taskdecoupling  two-branchnetwork  comparativelearning  residualnetwork  
机标分类号:TP391D2TN911.73
在线出版日期:2024年4月16日
基金项目:基于任务解耦的低照度图像增强方法[
期刊论文]  电子学报--2024, 52(1)牛玉贞  陈铭铭  李悦洲  赵铁松低照度条件下拍摄的照片往往存在亮度低、颜色失真、噪声高、细节退化等多重耦合问题,因此低照度图像增强是一个具有挑战性的任务.现有基于深度学习的低照度图像增强方法通常聚焦于对亮度和色彩的提升,导致增强图像中仍然存...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于任务解耦的低照度图像增强方法  Task Decoupling Guided Low-Light Image Enhancement

基于任务解耦的低照度图像增强方法.pdf
2024-12-14 12:06 上传
文件大小:
2.39 MB
下载次数:
60
高速下载
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
    微信扫一扫
  • 联系QQ客服
    QQ扫一扫
2022-2025 新资汇 - 参考资料免费下载网站 最近更新浙ICP备2024084428号
关灯 返回顶部
快速回复 返回顶部 返回列表