《表3 KinD network[14]结构》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Retinex理论的低照度图像增强技术研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Zhang等人[14]指出降质的光线会导致反射图每个像素非一致性地受到噪音的影响，基于卷积神经网络设计了侧重于光照图像的灵活调整和反射图像细节增强的网络结构Kin D network。不同于Retinex-Net:（1）以光照条件好的图像的反射图作为低照度反射图的参照标签，进行低照度反射图的增强网络的训练，增强低照度反射的纹理细节；（2）在图像分解阶段，光照图和反射图分离设计两条不同分支网络结构，为了避免光照图中丢失纹理信息光照图分支结构中融入了反射图的featuremap以补偿光照图的细节部分；（3）对优质“参考图像”要求不高，只需要输入不同光照条件下的图像对；（4）用户可以控制目标光照和源光照比例（Lt/Ls）值，达到自适应调节目标光照程度的目的；（5）在实验分析阶段使用了多个图像质量评价指标评价。如表3所示，通过实验指出该算法性能优于目前其他算法。