改进了Retinex算法,用于化学工厂区域的低光照明图像增强

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 人工智能的人工智能

背景情况:

• 在夜间监控化学工厂是具有挑战性的,因为低照明和恶劣的照明.
• 现有的监控设备会产生带有细节模糊和对比度不足的图像,阻碍目标检测.

研究的目的:

• 为化学工厂区域开发低光照明图像增强模型.
• 提高图像质量,以便在具有挑战性的照明条件下有效检测目标.

主要方法:

• 一个基于改进的Retinex算法创新的低光照明图像增强模型.
• 该模型包含一个分解网络 (基于U-Net的USD-Net),一个调整网络 (使用Mobilenetv3和剩余结构),以及一个重建网络 (用于消除噪音的BM3D).
• 图像增强是通过将图像分解成照明和反射图,调整照明,消噪和重建图像来实现的.

主要成果:

• 拟议的算法显著提高了图像纹理细节,对比度和和度.
• 使用五个图像质量指标 (PSNR,SSIM,NIQE,IE,LOE) 对三个数据集的八个其他算法进行比较分析,证明了卓越的性能.
• 该模型在低照明环境中表现出良好的稳定性和坚固性.

结论:

• 改进的基于Retinex的模型有效地解决了化学工厂环境中的低光照明图像增强挑战.
• 增强的图像质量支持改进的目标检测和监控能力.
• 该算法的稳定性和稳定性使其适合于现实世界的工业应用.