基于深度卷积神经网络的低照度图像增强方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：低照度条件下的图像细节和纹理难以分辨，导致信息丢失严重，传统增强方法需要大量人工调参、效率低且增强后细节不突出。为解决这一问题，提出一种基于卷积神经网络（CNN）的低照度图像增强模型，其通过数据驱动的网络结构自动学习低照度图像的分解与增强，并通过端到端训练更新模型参数。模型包括分解网络、光照调整网络和降噪模块，并在分解网络和光照调整网络中加入卷积块注意力模块（CBAM），以更全面地捕获图像中的重要信息。（剩余10971字）

试读结束

目录
monitor