Lv F, Lu F, Wu J, et al. MBLLEN: Low-Light Image/Video Enhancement Using CNNs[C]//BMVC. 2018: 220.

摘要:

提出了一种基于深度学习的微光图像增强方法。由于难以同时处理包括亮度、对比度、伪影和噪声在内的各种因素,这个问题具有挑战性。为了解决这一问题,我们提出了多分支微光增强网络(MBLLEN)。其核心思想是提取不同层次的丰富特征,通过多个子网络进行增强,最后通过多分支融合得到输出图像。通过这种方式,可以从各个方面提高图像质量。通过大量的实验,我们提出的MBLLEN被发现在很大程度上优于最先进的技术。我们还展示了我们的方法可以直接扩展到处理微光视频。

 

模型框架:

论文阅读笔记----MBLLEN: Low-light Image/Video Enhancement Using CNNs

 

loss function:

论文阅读笔记----MBLLEN: Low-light Image/Video Enhancement Using CNNs

论文阅读笔记----MBLLEN: Low-light Image/Video Enhancement Using CNNs

论文阅读笔记----MBLLEN: Low-light Image/Video Enhancement Using CNNs

论文阅读笔记----MBLLEN: Low-light Image/Video Enhancement Using CNNs

这里使用vgg19 第三块的第四个卷积层的输出L_VGG提取层。

论文阅读笔记----MBLLEN: Low-light Image/Video Enhancement Using CNNs 

这里40%最暗的像素为low_light 区域(E_L和G_L)其他为E_H和G_H区域

论文阅读笔记----MBLLEN: Low-light Image/Video Enhancement Using CNNs

相关文章:

  • 2021-09-16
  • 2021-09-07
  • 2021-12-02
  • 2021-09-19
  • 2022-12-23
  • 2021-11-05
  • 2021-11-13
  • 2021-10-06
猜你喜欢
  • 2021-07-02
  • 2021-12-03
  • 2021-08-30
  • 2021-07-23
  • 2022-01-15
  • 2021-08-10
  • 2021-10-11
相关资源
相似解决方案