基于改进RRD-Net的低照度图像增强网络
李谦一
张宏宇
房媛
大连工业大学信息科学与工程学院,辽宁大连 116034
摘要：为解决低照度环境下图像曝光度不足问题,本文提出了一种基于Retinex模型通过分解输入图像、以RRD-Net 为先验知识的图像增强方法.对图像的反射图像进行自适应均衡化,调整原始图像生成噪声图像,结合照明分量生成灰度图.最后将图像进行整合,形成经过曝光修复的全新图像.该方法旨在改善低照度条件下图像的质量,提高可见度,增强物体细节,减少噪点,具有重要的实际作用.再通过自然图像质量评价(Natural Image Quality Assessment,NIQE)、峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)和结构相似性指数(Structural Similarity Index,SSIM)三种方法对增强后的图像进行客观评估.经评估,NIQE值为5.63,SSIM值为0.78,PSNR高达16.73.结果表明,本文算法相比于其他算法,图像增强效果显著.
关键词：图像增强深度学习图像去噪低照度改进Retinex
分类号：TP312(计算技术、计算机技术)
资助基金：辽宁省教育厅科研基金(JYTMS20230416)辽宁省自然基金规划项目(2022-BS-263)辽宁省十四五教育科学规划课题(JG21DB054)大连工业大学教学改革项目(JGLX2023028)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 61-67 )
英文信息