-
题名基于生成对抗网络的空间卫星低照度图像增强
被引量：5
- 1
-
-
作者
陈榆琅
高晶敏
张科备
张洋
-
机构
北京信息科技大学自动化学院
北京控制工程研究所
-
出处
《中国空间科学技术》
EI
CSCD
北大核心
2021年第3期16-23,共8页
-
基金
国防科工局稳定支持项目(HTKJ2019KL502008)
“十三五”民用航天技术预先研究项目(D020103、D030105)。
-
文摘
针对空间低照度成像条件下卫星光学图像信息受损严重的问题,提出了一种基于生成对抗网络的空间卫星低照度图像增强方法,提高了图像的平均亮度及对比度,恢复图像细节信息,为图像识别等图像处理技术提供更高质量的数据信息。首先,设计了一种密集连接的生成器,加强了各特征提取阶段中的信息传递以及多层特征的融合,减少了特征信息的损耗,更好地提取正常照度图像及低照度图像中相似的语义信息;并结合EnlightenGAN的思想,采用了全局-局部辨别器结构,使图像增强效果更自然。然后,在少量样本的条件下,利用非配对样本对该方法进行训练,并通过对输入图像进行随机缩放及翻转等数据增强方法提高模型训练效果,进而提升低照度图像增强性能。最后,对所提出的空间卫星低照度图像增强方法进行了仿真验证。试验结果表明,在空间低照度条件下,该方法在NIQE指标上较LIME及EnlightenGAN分别降低了1.034和0.699,保留了更多的图像细节,具有更高的整体和局部亮度、更高的对比度以及更自然的增强效果。
-
关键词
低照度图像增强
生成对抗网络
非配对训练
密集连接
相对辨别器
-
Keywords
low-light image enhancement
GAN
unpaired training
dense connection
relativistic discriminator
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
