《表3 真实低照度图像的客观评价指标对比》

  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

《基于多分支全卷积神经网络的低照度图像增强》

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

除了在上述合成低照度图像上有优势外，所提方法在真实低照度图像上也有很好的表现，从低照度图像数据库LIME[10]、DICM[35]和MEF[36]选取了12幅典型图像进行测试，部分实验结果如图6和表3所示。在主观评价中，以5幅图为例来对实验结果进行对比和分析，如图6（a）～(e）所示。从图像亮度来看，CLAHE、SSR和文献[30]算法增强后的图像整体亮度要比其他算法的低，而MSRCR算法增强后的图像亮度过高，出现了曝光现象。文献[12]方法增强后的图像亮度稍微偏高，如图6(e）所示，植物的颜色呈现淡绿色。而本文所提算法能有效增强低光照区域，改善图像质量。从图像颜色来看，CLAHE、SSR、MSRCR和文献[12]方法出现了颜色失衡现象，如图6(e）所示，部分植被的颜色出现了褐色，不再是绿色。文献[30]方法和本文算法在图像色彩保持方面表现较好，但文献[30]方法增强后图像亮度不高，使得图像整体颜色偏暗；而本文算法增强后的图像色彩更加接近于真实图像的颜色。此外，文献[16]方法增强后的图像整体发生变形，可见该算法的泛化能力较差。整体来看，所提算法增强后的图像在视觉感官上更符合人的习惯，显得更加自然。