这篇2017年的论文介绍了LLCNN，一种利用卷积神经网络进行低光照图像增强的方法。网络结构包含卷积输入、输出及多个卷积模块，特征数为64，结合了残差网络和inception设计。通过使用SSIM-Loss而非MSE，以保持图像的纹理特征。实验结果显示，该方法能有效提升暗光环境下图像的质量。
这是2017年VCIP的一篇论文，使用神经网络对暗光下的图像作增强。使用的网络基本结构如下图所示：
网络由一个卷积层输入，一个卷积层输出，中间由若干卷积模块组成，特征数均为64。卷积模块参考残差网络和inception的结构，先分成两路送入，然后将两路输出直接相加，相加后结果再通过一个残差相加。如下所示：
网络使用SSIM-Loss,正常的MSE会将亮度变化对结果的影响考虑进去，从而导致PSNR发生变化，这里使用SSIM作为损失函数，可以保留更多的纹理特征，SSIM如下式所示：
SSIM(p)=2uxuy
最低0.47元/天 解锁文章
扫一扫
1177
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
