-
题名基于条件生成对抗网络的低照度彩色图像增强算法
- 1
-
-
作者
王珏
洪敏轩
夏叶桐
徐秀钰
孔筱芳
万敏杰
-
机构
南京理工大学电子工程与光电技术学院
南京理工大学江苏省光谱成像与智能感知重点实验室
南京理工大学光学前沿交叉研究中心
南京理工大学瞬态物理全国重点实验室
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2024年第11期308-321,共14页
-
基金
国家自然科学基金项目(62201260)
中央高校基本科研业务费专项(30923011015,30924010941)
南京理工大学本科生科研训练计划立项资助(202310288185Y)。
-
文摘
针对低照度条件下的彩色图像增强问题,提出一种基于条件生成对抗网络(Conditional Generative Adversarial Network,CGAN)的低照度图像增强算法。首先,设计了集成密集连接残差模块和注意力机制模块的生成器网络,更加关注低照度图像中的重要目标特征;然后,构建了基于选择性卷积核的判别器网络,使得判别器能够根据输入自适应地调整其感受野大小;接着,通过设计Prewitt边缘损失项和YUV色度损失项分别增强了网络模型对于图像边缘细节的提取能力和对图像色彩畸变的消除能力;最后,在LOL公开数据集上对文中算法分别进行了定性和定量测试。实验结果表明:与目前基于深度学习的低照度彩色图像增强算法相比,文中算法在峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)、结构相似度(Structure Similarity Index Measure,SSIM)和色差(Color Difference,CD)等指标上分别提升了32.7%、57.5%和48.45%,能够较好地克服低照度成像条件下的图像噪声与色偏干扰问题。
-
关键词
密集连接残差
注意力机制
CGAN
低照度成像
彩色图像增强
-
Keywords
RRDB
CBAM
CGAN
low-light imaging
color image enhancement
-
分类号
TN223
[电子电信—物理电子学]
-
