《表3 不同算法在真实低照度图像上的定量对比》

  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

《基于注意力机制和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

为了验证本文算法在真实低照度图像上的有效性，实验从DICM[26]、LIME[8]和MEF[27]数据集中挑选15幅图像作为测试集，实验结果如图5和表3所示。在定性对比中，从测试集中挑选4幅图像作为示例来进行说明，如图5（a）～(d）所示。从图5可以看出，不同算法都可以提高图像的清晰度，但NPE算法对亮度的增强效果稍差一些，且CLAHE、NPE和LIME算法增强后的图像颜色不协调。在图5(a）和5(c）中，教堂墙壁和矿井轨道的颜色和原始图像相差较大，并且矿井中灯的颜色泛红，出现光晕现象。相反，基于神经网络的方法（LLCNN、Ma和本文算法）在图像细节处理方面效果较好，增强后的图像更符合人的视觉感官。