基于深度網(wǎng)絡(luò)的暗光圖像增強(qiáng)方法研究
發(fā)布時(shí)間:2023-12-21 16:57
暗光增強(qiáng)是一項(xiàng)重要的圖像后處理技術(shù),有助于改善圖像的可視度。本文從圖像的暗光產(chǎn)生原因進(jìn)行分析,明確了暗光圖像增強(qiáng)的根本任務(wù)。在此基礎(chǔ)上,對(duì)現(xiàn)有模型的不足之處加以分析,并提出相應(yīng)算法加以解決。一方面,傳統(tǒng)的自編碼深度網(wǎng)絡(luò)雖然能夠很好的估計(jì)出成像場(chǎng)景中新的光照分布,但是在重構(gòu)過(guò)程中細(xì)節(jié)信息丟失嚴(yán)重。在本文中,通過(guò)結(jié)合傳統(tǒng)的濾波技術(shù)和深度學(xué)習(xí)模型來(lái)實(shí)現(xiàn)有關(guān)效果的改善。另一方面,Retinex Net深度網(wǎng)絡(luò)模型雖然能夠起到增強(qiáng)對(duì)比度的效果,但是在處理的過(guò)程中引入了額外噪聲,產(chǎn)生了明顯的黑色邊框效應(yīng),并且圖像伴隨有顏色失真的現(xiàn)象。在本文中,通過(guò)損失函數(shù)以及網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化來(lái)改善相關(guān)問(wèn)題。1)提出了一種基于結(jié)構(gòu)與細(xì)節(jié)層分解的暗光照?qǐng)D像增強(qiáng)模型;谧跃幋a器網(wǎng)絡(luò)的方法能有效地改善圖像的光照,但在重構(gòu)圖像時(shí)容易丟失其細(xì)節(jié)信息?紤]到暗光增強(qiáng)旨在改變圖像的光照分布而非局部紋理細(xì)節(jié),本文提出了將大尺度圖像結(jié)構(gòu)和小尺度圖像細(xì)節(jié)分而治之的思路:利用邊緣保持濾波器將圖像結(jié)構(gòu)層和細(xì)節(jié)層進(jìn)行分解,僅僅利用自編碼器網(wǎng)絡(luò)來(lái)處理圖像結(jié)構(gòu)層,而對(duì)圖像細(xì)節(jié)層加以保留。為實(shí)現(xiàn)高效的圖像結(jié)構(gòu)-細(xì)節(jié)分解,提出了一種改進(jìn)的保邊緣濾波...
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
致謝
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 暗光增強(qiáng)研究的發(fā)展歷程
1.3 本文主要工作
1.4 論文內(nèi)容安排
第二章 暗光圖像增強(qiáng)相關(guān)工作
2.1 暗光圖像增強(qiáng)技術(shù)背景
2.2 基于直方圖的增強(qiáng)方法
2.3 基于Retinex的增強(qiáng)方法
2.4 基于融合的增強(qiáng)方法
2.5 基于深度學(xué)習(xí)的增強(qiáng)方法
第三章 基于結(jié)構(gòu)與細(xì)節(jié)層分解的暗光照?qǐng)D像增強(qiáng)模型
3.1 引言
3.2 本章模型
3.2.1 本章框架
3.2.2 改進(jìn)的保邊緣濾波器
3.2.3 光照增強(qiáng)模塊
3.3 實(shí)驗(yàn)
3.3.1 實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)數(shù)據(jù)
3.3.2 實(shí)驗(yàn)設(shè)置
3.3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.3.1 濾波器性能驗(yàn)證
3.3.3.2 本章模型性能驗(yàn)證
3.4 本章小結(jié)
第四章 基于Retinex的卷積神經(jīng)網(wǎng)絡(luò)對(duì)比度增強(qiáng)模型
4.1 引言
4.2 Retinex Net模型
4.3 本章模型
4.3.1 模型框架
4.3.2 改進(jìn)的結(jié)構(gòu)感知平滑損失
4.3.3 U-Net分解模塊
4.3.4 其他改進(jìn)措施
4.4 實(shí)驗(yàn)
4.4.1 實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)設(shè)置
4.4.2 實(shí)驗(yàn)結(jié)果與分析
4.4.2.1 消減分析
4.4.2.2 本章模型性能驗(yàn)證
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況
本文編號(hào):3874032
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
致謝
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 暗光增強(qiáng)研究的發(fā)展歷程
1.3 本文主要工作
1.4 論文內(nèi)容安排
第二章 暗光圖像增強(qiáng)相關(guān)工作
2.1 暗光圖像增強(qiáng)技術(shù)背景
2.2 基于直方圖的增強(qiáng)方法
2.3 基于Retinex的增強(qiáng)方法
2.4 基于融合的增強(qiáng)方法
2.5 基于深度學(xué)習(xí)的增強(qiáng)方法
第三章 基于結(jié)構(gòu)與細(xì)節(jié)層分解的暗光照?qǐng)D像增強(qiáng)模型
3.1 引言
3.2 本章模型
3.2.1 本章框架
3.2.2 改進(jìn)的保邊緣濾波器
3.2.3 光照增強(qiáng)模塊
3.3 實(shí)驗(yàn)
3.3.1 實(shí)驗(yàn)環(huán)境和實(shí)驗(yàn)數(shù)據(jù)
3.3.2 實(shí)驗(yàn)設(shè)置
3.3.3 實(shí)驗(yàn)結(jié)果與分析
3.3.3.1 濾波器性能驗(yàn)證
3.3.3.2 本章模型性能驗(yàn)證
3.4 本章小結(jié)
第四章 基于Retinex的卷積神經(jīng)網(wǎng)絡(luò)對(duì)比度增強(qiáng)模型
4.1 引言
4.2 Retinex Net模型
4.3 本章模型
4.3.1 模型框架
4.3.2 改進(jìn)的結(jié)構(gòu)感知平滑損失
4.3.3 U-Net分解模塊
4.3.4 其他改進(jìn)措施
4.4 實(shí)驗(yàn)
4.4.1 實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)設(shè)置
4.4.2 實(shí)驗(yàn)結(jié)果與分析
4.4.2.1 消減分析
4.4.2.2 本章模型性能驗(yàn)證
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況
本文編號(hào):3874032
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3874032.html
最近更新
教材專著