《表2 不同算法在合成低照度图像上的定量对比》
本文首先对人工合成的低照度图像进行实验,为了与其他算法进行对比,从公开数据集LIVE1中选取13张图片作为测试集,实验结果如图4和表2所示。在定性对比中,从测试集中选取4幅图像作为示例来进行说明,如图4(a)~(d)所示。从图4可以看出,NPE、LIME、LLCNN、Ma和本文算法都可以对合成低照度图像进行增强,从而提高图像清晰度,而CLAHE算法对图像的增强效果较差,而且还出现颜色失衡现象。在图4(b)中,飞机周围出现明显的阴影区域,影响整体的视觉感官。从图像亮度来看,NPE、LIME、LLCNN和本文算法的图像增强效果明显;Ma算法增强后的图像在亮度方面有所改善,但出现了阴影区域,如图4(b)和图4(d)中,飞机和塔的周围出现了阴影条。NPE和LLCNN算法在局部区域的亮度增强方面效果稍差一些,在图4(d)中,房子窗户区域和围栏处的亮度提高不明显。整体来看,LIME和本文算法对低照度图像改善效果最为明显,图像的清晰度明显提高,也没有出现颜色失衡现象;但LIME算法增强后的图像在部分区域出现曝光现象,在图4(c)和图4(d)中,屋顶区域和塔壁部分区域图像被过度增强;而本文算法结合SSIM和MSE损失函数的优势,可以有效增强低照度图像的亮度,提高图像的清晰度,避免颜色失衡。
图表编号 | XD00188327200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 吴若有、王德兴、袁红春 |
绘制单位 | 上海海洋大学信息学院、上海海洋大学信息学院、上海海洋大学信息学院 |
更多格式 | 高清、无水印(增值服务) |