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 of Information Technology,Nanjing Jiangsu 210023,China;Nanjing Longyuan Microelectronics Technology Co.,Ltd,Nanjing Jiangsu 210000,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：《电子器件》

基　　金：江苏高校“青蓝工程”;国家自然科学基金(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(NY221023)。

年　　份：2022

卷　　号：45

期　　号：4

起止页码：831-837

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：结合明亮通道先验和Retinex模型,提出一种弱光照图像增强网络。该网络由入射光分量多尺度估计模块、多尺度入射光分量融合模块和增强效果生成模块组成。入射光分量多尺度估计模块在不同邻域半径下基于明亮通道先验对弱光照图像进行多尺度入射光分量估计;多尺度入射光分量融合模块将输入的多层入射光分量融合为入射光分量图;增强效果生成模块依据入射光分量图对弱光照图像进行像素强度调节并直接生成增强效果图。主观及客观对比实验结果证明了本算法具有良好的鲁棒性,及在视觉效果增强、有效信息增益方面的优势。

关 键 词：弱光照图像增强  卷积神经网络 Retinex模型  明亮通道先验  

分 类 号：TP391]