發(fā)布時(shí)間：2022-11-09 21:36

　　圖像質(zhì)量與很多計(jì)算機(jī)視覺(jué)相關(guān)技術(shù)的效果息息相關(guān),高質(zhì)量的圖像可以帶來(lái)更多信息。日常生活中的很多因素都可以直接或間接地影響圖像質(zhì)量,低光照便是其中之一。如果能對(duì)低光照?qǐng)D像進(jìn)行預(yù)處理來(lái)提升圖像質(zhì)量,計(jì)算機(jī)視覺(jué)任務(wù)的效果可以得到提升,例如夜間,深海環(huán)境以及其他低光照條件下的圖像識(shí)別與圖像分割等任務(wù)。因此,對(duì)低光照?qǐng)D像增強(qiáng)進(jìn)行研究具有重要的實(shí)際應(yīng)用價(jià)值與理論意義。本文主要針對(duì)低光照?qǐng)鼍跋碌膱D像增強(qiáng)算法進(jìn)行了研究。目前很多基于深度學(xué)習(xí)的低光照?qǐng)D像增強(qiáng)模型都建立在Retinex理論上,這意味著他們通常需要訓(xùn)練額外的分解網(wǎng)絡(luò)來(lái)分離亮度圖與反射圖,而這樣會(huì)增大模型的參數(shù)量與計(jì)算量。本文提出的基于多路徑卷積神經(jīng)網(wǎng)絡(luò)的低光照?qǐng)D像增強(qiáng)方法相比于以往的低光照?qǐng)D像增強(qiáng)算法可以避免這些缺陷。本文首先介紹了一些數(shù)字圖像與卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論,并對(duì)相關(guān)的低光照?qǐng)D像增強(qiáng)方法進(jìn)行梳理與探討,然后對(duì)研究方法與內(nèi)容進(jìn)行描述。本文詳細(xì)描述了提出多路徑卷積結(jié)構(gòu)的動(dòng)機(jī),假設(shè)與結(jié)果,系統(tǒng)地設(shè)計(jì)了實(shí)驗(yàn)并進(jìn)行驗(yàn)證。本文的主要貢獻(xiàn)包括:1)針對(duì)低光照?qǐng)D像增強(qiáng)任務(wù),本文提出了兩種能夠處理不同曝光條件的基于多路徑卷積神經(jīng)網(wǎng)絡(luò)的圖像增強(qiáng)方法。... 

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景
    1.2 研究目的與意義
    1.3 低光照?qǐng)D像增強(qiáng)的研究現(xiàn)狀
        1.3.1 基于直方圖均衡的低光照?qǐng)D像增強(qiáng)
        1.3.2 基于Retinex理論的低光照?qǐng)D像增強(qiáng)算法
        1.3.3 基于深度學(xué)習(xí)的低光照?qǐng)D像增強(qiáng)算法
    1.4 主要研究?jī)?nèi)容
    1.5 章節(jié)安排
第2章 理論背景知識(shí)介紹
    2.1 直方圖均衡
    2.2 色彩空間
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積層
        2.3.2 激活層
        2.3.3 池化層
        2.3.4 批標(biāo)準(zhǔn)化處理
        2.3.5 感受野
    2.4 本章小結(jié)
第3章 基于多路徑卷積神經(jīng)網(wǎng)絡(luò)的低光照?qǐng)D像增強(qiáng)
    3.1 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)動(dòng)機(jī)與假設(shè)
    3.2 使用卷積網(wǎng)絡(luò)驗(yàn)證假設(shè)
        3.2.1 色彩空間轉(zhuǎn)換的使用方式
        3.2.2 加入批標(biāo)準(zhǔn)化層
        3.2.3 網(wǎng)絡(luò)結(jié)構(gòu)的影響
        3.2.4 全局信息對(duì)亮度與色度的影響
        3.2.5 增加結(jié)構(gòu)相似性損失函數(shù)
    3.3 低光照多路融合增強(qiáng)網(wǎng)絡(luò)
    3.4 低光照雙路增強(qiáng)網(wǎng)絡(luò)
        3.4.1 亮度網(wǎng)
        3.4.2 色度網(wǎng)
        3.4.3 融合層
    3.5 本章小結(jié)
第4章 實(shí)驗(yàn)細(xì)節(jié)與結(jié)果分析
    4.1 數(shù)據(jù)集
    4.2 實(shí)驗(yàn)環(huán)境與實(shí)施細(xì)節(jié)
    4.3 評(píng)估指標(biāo)
        4.3.1 峰值信噪比
        4.3.2 結(jié)構(gòu)相似性
        4.3.3 自然圖像質(zhì)量評(píng)估
        4.3.4 亮度順序誤差
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 驗(yàn)證假設(shè)實(shí)驗(yàn)的實(shí)驗(yàn)結(jié)果
        4.4.2 網(wǎng)絡(luò)模型在測(cè)試集上的結(jié)果
        4.4.3 部分結(jié)果圖片展示
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]圖像亮度精確控制的雙直方圖均衡算法[J]. 江巨浪,王振東,鐘倫超,吳翰.  電子科技大學(xué)學(xué)報(bào). 2018(01)



本文編號(hào)：3704935