一种基于改进生成式对抗网络的低照度图像增强方法
熊喜发
邹学玉
周箩鱼
长江大学 湖北荆州 434000
摘要：目前,图像作为人类接收信息的重要途径,发挥着重要的作用.针对暗光环境下图像清晰度低、无法识别等问题,提出了基于生成式对抗网络(generative adversial networks,GAN)的改进算法.首先,利用亮度均衡化对网络进行约束,使其产生的结果能够更加关注图像整体的亮度均衡.其次,为了提升网络的判别准确率以及加快网络收敛能力,实验选用PatchGAN作为判别器.最后,在特征提取网络之后加入融合注意力机制CBAM模块,用来提升网络的特征表达能力.实验结果表明,改进的GAN网络算法在结构相似性(structural similarity index measure,SSIM)及峰值信噪比(peak signal-to-noise ratio,PSNR)指标上较Enlighten GAN分别提升了 7.4%和 10.6%,可见改进算法能够有效地提升图像的亮度均衡和对比度.
关键词：图像增强注意力机制生成式对抗网络亮度均衡化
资助基金：国家自然科学基金(61901059)
论文发表日期：2023-11-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 4-7 )