摘要
为了增强识别准确性和可靠性,提出基于深度学习的暗光场景下图像优化方法。利用深度曲线估计网络自动调整暗光场景下图像的亮度,利用编码器-解码器架构和跳跃连接方式提取暗光图像中的特征;并在特征提取过程中引入坐标注意力机制,使网络能够关注暗光图像中方向和位置上的关键信息;引入核选择模块和上采样操作去除噪声并恢复图像细节。实验结果表明,该方法不仅改善了暗光图像的视觉效果,还保留了图像的原始颜色信息和细节,暗光图像优化后的置信度均在93%以上。
To enhance recognition accuracy and reliability,a deep learning based image optimization method for low light scenes is proposed.Using depth curve estimation network to automatically adjust the brightness of images in low light scenes,and using encoder decoder architecture and skip connection method to extract features from low light images;And introduce coordinate attention mechanism in the feature extraction process,so that the network can focus on key information in the direction and position of dark light images;Introducing a kernel selection module and upsam-pling operation to remove noise and restore image details.The experimental results show that this method not only im-proves the visual effect of low light images,but also preserves the original color information and details of the images.
作者
刘亮龙
罗梦贞
LIU Lianglong;LUO Mengzhen(School of Science and Technology,Guilin University,Guilin Guangxi 541006,China)
出处
《激光杂志》
北大核心
2025年第8期123-127,共5页
Laser Journal
基金
广西高校中青年教师科研基础能力提升项目(No.2022KY1575)。
作者简介
刘亮龙(1982-),男,硕士,副教授,研究方向:数据挖掘,大数据分析及应用。
