28、低光照与夜间图像高效彩色分割及学术活动专家自动查找系统

低光照与夜间图像高效彩色分割及学术活动专家自动查找系统

低光照图像分割相关研究

在图像分割领域，低光照（LL）图像分割一直是一个具有挑战性的任务。因为在现实世界的低光照环境中获取的图像不仅亮度低，还存在色彩偏差、未知噪声、细节丢失以及光晕伪影等问题。众多学者对此进行了研究。
- Cho等人的研究 ：Cho等提出基于改进的循环生成对抗网络（CycleGAN）的多类分割方法，利用两个提供分割标签的道路场景开放数据库生成的LL数据库，在多类分割执行上表现出较高性能，但存在可靠性差和需求高的局限性。另一个基于改进CycleGAN的LL图像分割技术，使用了如剑桥驾驶标记视频数据库（CamVid）和KITTI等著名道路场景开放数据库，在大规模低光照环境中分割性能有所提升，但成本限制常阻碍其大规模应用。
- Bao等人的方法 ：Bao等确定了一种有效的分割技术，将暗图像的LL增强、水平集分割的偏差校正和局部熵分割相结合。先通过直方图均衡化和HSV颜色空间的V通道改善暗图像，再用水平集技术校正增强图像的偏差场，获取图像局部熵，最终得到分割结果，不过同时对多个对象进行分割较为繁琐。
- Li等人的网络架构 ：Li等为热图像语义分割设计了Edge - Conditioned CNN（EC - CNN）网络架构，实现了门控特征变换层，自适应地融合边缘先验知识，在“Segmenting Objects in Day And Night”（SODA）数据集上进行综合评估，通过大量实验证明了其有效性，但对噪声数据处理效果不佳。
- Kim等人的方案 ：Kim