- 这是李重仪老师在ANU攻读博士期间发表在18年PRL期刊的一篇暗图增强的论文
- 网络结构很简单,4层卷积,没有下采样,输出是illumination map,有监督地训练:
- 输出的illumination map进行 γ = 1.7 \gamma=1.7 γ=1.7的gamma校正后用导向滤波消除伪影(输入图片的R通道作为 16 × 16 16\times16 16×16导向滤波的guided image),随后用原图除以最终的illumination map得到增强结果
- 训练用的数据集是合成的,首先采集一些正常亮度的图片,随机一个0-1之间的值作为illumination value,图片乘以这个值可以得到暗图,这个值copy成图片大小作为GT和网络预测的illumination map算MSE损失。图片分patch送进网络来训练,每个patch是16x16。
- 启发是导向滤波的使用
LightenNet: A Convolutional Neural Network for weakly illuminated image enhancement 论文阅读笔记
最新推荐文章于 2023-12-19 17:17:22 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)