-
题名基于Retinex-Net网络模型的渐晕图像校正
- 1
-
-
作者
黄丹丹
王菲
刘智
高晗
王惠绩
-
机构
长春理工大学电子信息工程学院
长春理工大学空间光电技术国家地方联合工程研究中心
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2024年第7期929-938,共10页
-
基金
国家自然科学基金(No.62127813)
吉林省科技厅重点研发项目(No.20230201071GX)。
-
文摘
相机成像过程中会因为视角变化而产生渐晕效应,使图像出现中间亮、四周暗的现象。渐晕的存在使图像丢失部分边缘纹理信息,极大地影响机器视觉处理的性能。针对此问题,本文从校正图像清晰度和提高去噪性能两方面入手,对Retinex-Net网络模型进行改进。首先,在原模型基础上添加空洞卷积,以保持校正图像的高分辨率并扩大感受野。其次,将图像去噪改进为密集残差网络的方式,目的是密集提取渐晕图像的每一层特征,更多地保留图像的细节特性并抑制噪声。最后,构建了渐晕图像的数据集,并将本文提出的算法在测试集上进行校正性能验证。本文算法与改进前的原网络模型相比较,SSIM值提升了0.293,PSNR值提升了0.727,RMSE值降低了0.095。相较于最小化图像熵、自适应补偿Retinex、基于径向梯度对称性等校正算法,本文算法具有更好的校正性能,并且在视觉上更适合观察和理解。
-
关键词
渐晕图像校正
RETINEX理论
空洞卷积
残差网络
-
Keywords
gradual halo image correction
Retinex theory
dilated convolution
residual network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
