MTIE-Net:低光图像增强网络的多技术融合
Jing Tao1,2, Hao Wu1,2, Zhihao Ni1,2
1Automation and Information School of Automation and Information Engineering, Sichuan University of Science & Engineering, Zigong, Sichuan Province, China.
PloS one
|February 2, 2024
概括
这项研究引入了一种新的低光图像增强网络 (MTIE-Net) 的多技术融合,以提高低光图像的可见性和细节. MTIE-Net有效地提高了图像质量,并帮助执行诸如夜间面部检测等任务.
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:
- 低亮度图像会受到可见性差,噪音和色彩扭曲的影响.
- 有效的增强对于随后的计算机视觉任务至关重要.
研究的目的:
- 开发一个模块化网络,用于低光图像增强.
- 为了提高视觉质量,在低光图像中消除和恢复细节.
主要方法:
- 拟议的低光图像增强网络 (MTIE-Net) 的多技术融合.
- 利用基于Retinex理论的残留密度分解网络 (RDD-Net) 来进行图像分解.
- 使用编码器解码器解码网络 (EDD-Net) 减少噪音.
- 集成并行混合基于注意力的自我校准照明增强网络 (PCE-Net) 与富里埃变换进行增强.
主要成果:
- 在视觉质量方面,MTIE-Net在现有方法上表现优越.
- 在denoising和细节恢复方面取得了显著的改进.
- 成功应用于夜间面部检测,展示了实际的实用性.
结论:
- MTIE-Net为低光图像增强提供了一个强大的解决方案.
- 模块化方法有效地解决了可见性,噪音和细节问题.
- 显示出作为现实世界应用的预处理工具的强大潜力.
