基于Retinex和深度学习的低照度图像增强方法
文献类型：专利
| 作者 | 田建东 ; 张箴; 荣庆轩; 唐延东
|
| 发表日期 | 2020-11-20 |
| 著作权人 | 中国科学院沈阳自动化研究所 |
| 国家 | 中国 |
| 文献子类 | 发明 |
| 产权排序 | 1 |
| 英文摘要 | 本发明涉及基于Retinex和深度学习的低照度图像增强方法。对已有低照度数据集进行分析，通过多台相机、多种拍摄手段同时收集低照度图像RAW数据和RGB数据，增加数据集在真实场景下图像的多样性。提出一种端到端的改进的卷积自编码网络结构，其由编码器和解码器组成，包括图像分解、照度调整和图像重建三个模块。通过图像分解模块对图像进行编码得到反射特征编码及照度隐藏编码。照度调整模块对图像照度自动调整，图像重建模块实现图像内容的恢复和重建。设计了联合损失函数约束网络训练，分别是重构损失、颜色损失和反射损失。该方法解决了低光环境下增强图像的噪声去除、色彩失真及图像细节恢复等问题，并实验验证了有效性和先进性。 |
| 申请日期 | 2020-07-16 |
| 语种 | 中文 |
| 状态 | 公开 |
| 源URL | [http://ir.sia.cn/handle/173321/27873]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 作者单位 | 中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 田建东,张箴,荣庆轩,等. 基于Retinex和深度学习的低照度图像增强方法. 2020-11-20. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。