低照度条件下拍摄的照片往往存在亮度低, 颜色失真, 噪声高, 细节退化等多重耦合问题,
因此低照度图像增强是一个具有挑战性的任务. 现有基于深度学习的低照度图像增强方法通常 …

成像设备在暗光照环境下会出现对比度不高, 图像细节信息丢失, 颜色失真等问题,
这会对视频监控, 智能交通, 人脸识别等应用场景产生巨大干扰. 为了解决这一问题 …

为解决低照度图像增强过程中噪声放大, 细节不足以及色彩还原问题, 本文提出一种基于注意力
机制残差密集生成对抗网络(Attention Residual Dense? Generative Adversarial Networks …

目的在日常的图像采集工作中, 由于场景光照条件差或设备的补光能力不足,
容易产生低照度图像. 为了解决低照度图像视觉感受差, 信噪比低和使用价值低(难以分辨图像 …

在低照度环境下采集的图像具有低信噪比, 低对比度及低分辨率等特点, 导致图像难以识别利用.
为了提升低照度图像的质量, 本文提出一种基于U-Net 生成对抗网络的低照度图像增强方法 …

低照度图像增强(Low Light Image Enhancement, LLIE) 是将光照不足条件下获取的图像恢复成
正常曝光的图像, 基于深度学习的LLIE 算法常用堆叠卷积或上/下采样的方式设计 …

摘要针对低照度图像亮度低, 对比度低, 颜色失真以及现有增强算法大多没有区别处理不同的
通道, 不利于提取多层次特征的问题, 提出多通道融合注意力网络的低照度图像增强算法. 首先 …

Images taken in low-light conditions would have insufficient light intensity and high noise.
Many existing methods could not work very well in low-light environments, such as the noise …

摘要针对低照度条件下图像降质严重的问题, 提出了一种基于深度卷积神经网络(DCNN)
的低照度图像增强算法. 该算法根据Retinex 模型合成训练样本, 将原始低照度图像从RGB …