科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对低光照条件下拍摄图像质量低下的问题，该文提出一种基于双重迭代的零样本低照度图像增强方法。其外层迭代通过卷积神经网络估计增强参数，再由内层迭代进行图像增强，增强结果进一步用于计算损失函数并反馈更新外层的参数估计网络，最终通过多轮迭代生成高质量的图像。在该框架下，还设计了多尺度增强系数估计模块、基于注意力的像素级大气光估计模块，并提出了基于亮度对比度、大气光、颜色均衡以及图像平滑性先验的无监督损失函数。大量实验结果表明，该方法可有效将低光照图像增强为高质量的清晰图像，其性能优于现有的同类方法。同时该方法基于零样本学习，不需任何训练数据集，具有良好的普适性。
