文献类型：期刊文章

作　　者：顾振飞[1,2] 陈灿[3] 陈勇[2] 孔令民[4] 赵冉[1]

GU Zhenfei;CHEN Can;CHEN Yong;KONG Lingmin;ZHAO Ran(School of Network and Communication,Nanjing Vocational College qf Information Technology,Nanjing Jiangsu 210023,China;Nanjing Longyuan Microelectronics Technology Co.,Ltd,Nanjing Jiangsu 210023,China;School of Internet of Things,Nanjing University of Posts and Telecommunications,Nanjing Jiangsu 210003,China;People's Liberation Army of China 94826,Shanghai 200020,China)

机构地区：[1]南京信息职业技术学院网络与通信学院,江苏南京210023 [2]南京龙渊微电子科技有限公司,江苏南京210000 [3]南京邮电大学物联网学院,江苏南京210003 [4]中国人民解放军94826部队,上海200020

出　　处：《传感技术学报》

基　　金：江苏高校“青蓝工程”;国家自然科学基金项目(61872423);2020年江苏省产学研合作项目(BY2020430);南京信息职业技术学院高层次人才科研启动项目(YB20200502);南京邮电大学引进人才科研启动基金项目[NY221023]。

年　　份：2021

卷　　号：34

期　　号：10

起止页码：1300-1306

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了增强弱光照图像的纹理细节,提升整体的视觉效果,本文提出了一种基于透射先验的弱光照图像增强方法。首先,利用两种透射先验对弱光照图像分别进行独立的透射图估计,从而生成两幅富含不同有效增益的子透射图;然后,将两幅子透射图输入到所搭建的子透射图融合网络中,获得融合后的透射图;最后,将融合后的透射图代入低像素强度图像退化模型中,获得增强后的图像。实验结果证明了本方法在鲁棒性、有效信息增益和视觉效果增强等方面的有效性。

关 键 词：弱光照图像增强  深度学习  图像先验  透射图估计  

分 类 号：TP391]