论文部分内容阅读
针对低照度图像增强问题,提出一种基于生成式对抗网络(generative adversarial networks, GAN)的循环式图像增强网络.引入无监督学习方式,通过降低循环一致性损失和对抗性损失,估计低照度图像的原始光照图;利用建立的图像增强模型公式,对光照不足环境下采集到的图像进行亮度等方面的增强.在人工合成低照度图像数据集和真实自然低照度图像数据集上,均进行了质化和量化评价.实验表明,与现有的一些图像增强方法相比,该方法具有更好的图像增强效果,能够由低照度图像复原出生动、清晰、直观、自然