计算机工程

作者：刘文, 杨梅芳, 聂江天, 章阳, 杨和林, 熊泽辉

单位：1. 武汉理工大学 航运学院, 武汉 430063;2. 武汉理工大学 内河航运技术湖北省重点实验室, 武汉 430063;3. 武汉理工大学 计算机科学与技术学院, 武汉 430063;4. 南洋理工大学 计算机科学与工程学院, 新加坡 639798;5. 新加坡科技与设计大学 信息系统技术与设计系, 新加坡 487372

关键词：低照度图像增强,深度学习,生成对抗网络,金字塔扩张卷积,自适应增强

基金：国家自然科学基金（51609195）；中央高校基本科研业务费专项资金（2020-zy-197）。

针对低照度条件下获取的水上图像亮度和对比度低以及质量差的问题，提出一种基于局部生成对抗网络的图像增强方法。以残差网络作为基本框架设计生成器，通过加入金字塔扩张卷积模块提取与学习图像深层特征和多尺度空间特征，从而减少结构信息丢失。设计一个自编码器作为注意力网络，估计图像中的光照分布并指导图像不同亮度区域的自适应增强。构建具有判别图像局部区域能力的判别器结构，约束生成器输出增强效果更加自然的图像。实验结果表明，该方法能够有效增强水上低照度图像，场景还原和细节保留能力优于SRIE和LIME等方法。

来源：2021年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第5期