科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统图像增强算法在处理井下图片时存在的噪声大、图像颜色失真等问题，提出一种基于深度学习的KinD-Net算法应用于矿井下环境对图像进行增强。该算法在图像分解网络中加入重构损失，反射图恢复网络中加入去噪模块，抑制图像增强过程中产生的噪声。在反射恢复网络中引入照度图信息减少图像颜色失真。将本文算法与Retinex算法、MSRCR算法、HSV MSRCR算法与Retinex-Net算法进行对比。实验结果表明，本文算法峰值信噪比、机构相似性方面表现较优，可以有效提高图像的亮度，优化图像颜色失真问题。
- 单位
