-
题名融合门控变换机制和GAN的低光照图像增强方法
被引量：5
- 1
-
-
作者
何银银
胡静
陈志泊
张荣国
-
机构
太原科技大学计算机科学与技术学院
北京林业大学信息学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第2期247-255,共9页
-
基金
国家自然科学基金(32071775)
博士科研启动基金(20202057)
山西省自然科学基金(202203021211206,202203021211189)。
-
文摘
针对低光照图像增强过程中存在的配对图像数据依赖、细节损失严重和噪声放大问题,提出结合门控通道变换机制和生成对抗网络(GAN)的低光照图像增强方法AGR-GAN,该方法可以在没有低/正常光图像对的情况下进行训练。首先,设计特征提取网络,该网络由多个基于门控通道变换单元的多尺度卷积残差模块构成,以提取输入图像的全局上下文特征和多尺度局部特征信息;然后,在特征融合网络中,采用卷积残差结构将提取的深浅层特征进行充分融合,再引入横向跳跃连接结构,最大程度保留细节特征信息,获得最终的增强图像;最后,引入联合损失函数指导网络训练过程,抑制图像噪声,使增强图像色彩更自然匀称。实验结果表明,该方法在主观视觉分析和客观指标评价方面相较其他算法均具有显著优势,其能有效提高低光照图像的亮度和对比度,减弱图像噪声,增强后的图像更清晰且色彩更真实,峰值信噪比、结构相似度和无参考图像质量评价指标平均可达16.48 dB、0.93和3.37。
-
关键词
低光照图像增强
卷积残差结构
门控通道变换单元
无监督学习
生成对抗网络
-
Keywords
low-light image enhancement
convolution residual structure
Gated Channel Transformation(GCT)unit
unsupervised learning
Generative Adversarial Network(GAN)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
