一个基于Retinex的网络,用于在低光环境中增强图像
Ji Wu1, Bing Ding1, Beining Zhang2
1School of Electrical and Power Engineering, Taiyuan University of Technology, Taiyuan, China.
PloS one
|May 24, 2024
概括
这项研究引入了一种新型的神经网络,用于在低光条件下增强图像,有效减少噪音和改进细节. 与现有技术相比,拟议的方法显著提高了图像质量.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 现有的低光图像增强技术经常与细节丢失,色彩扭曲和噪音作斗争.
- 开发可靠的方法来改善低光条件下的图像质量仍然是一个重大挑战.
研究的目的:
- 提出一种基于神经网络的新方法,用于有效地在低光下增强图像.
- 为了解决当前方法的局限性,特别是细节损失,颜色扭曲和噪声.
主要方法:
- 一个由三个部分组成的神经网络架构:分解,反射消除和照明增强.
- 使用了Unet3+与CA注意力来消除反射元件的噪声,以及用于增强照明的自适应映射曲线.
- 采用Retinex理论来融合处理的照明和反射图像.
主要成果:
- 拟议的网络在主观评估中取得了出色的视觉效果.
- 在客观指标上显著改善,例如峰值信号噪声比 (PSNR),结构相似度指数 (SSIM) 和自然图像质量评估器 (NIQE).
- 在公共数据集上表现优于现有的几种方法.
结论:
- 拟议的神经网络通过减轻噪音和细节损失等常见问题,有效地增强低光图像.
- 该方法为改善在具有挑战性的照明条件下的图像质量提供了有前途的解决方案.
- 通过主观和客观的评估来验证,展示了卓越的表现.


