圖像去噪和增強(qiáng)一直以來都是圖像處理領(lǐng)域提升圖像質(zhì)量的關(guān)鍵技術(shù),近年來,圖像處理的應(yīng)用領(lǐng)域不斷擴(kuò)大,對于圖像質(zhì)量的要求也在不斷提升。而在圖像采集過程中圖像質(zhì)量難免會受到設(shè)備、環(huán)境、光照等因素的影響,難以保證采集圖像質(zhì)量的穩(wěn)定性和優(yōu)質(zhì)性,因此通過對圖像進(jìn)行去噪和增強(qiáng)這類圖像預(yù)處理工作來有效提升圖像質(zhì)量,對后期更好地進(jìn)行圖像處理工作有重要意義。Chen等提出對極弱光線條件下采集的低光圖像進(jìn)行去噪和增強(qiáng)的算法,使處理的圖像能夠呈現(xiàn)出良好的視覺感受,但他們的算法直接使用U-Net生成圖像,沒有考慮到不同尺度的接受域可能會導(dǎo)致提取的特征不一致,對一些細(xì)節(jié)部分的特征信息也沒有提取完整,導(dǎo)致生成的圖像中存在部分細(xì)節(jié)不清晰和不連續(xù)色差塊的情況。由此,論文對低光圖像的去噪和增強(qiáng)算法進(jìn)行了探索和實(shí)驗,主要工作有以下幾個方面:1.使用生成對抗網(wǎng)絡(luò)作為整體的網(wǎng)絡(luò)結(jié)構(gòu),選擇U-Net作為生成器的基本框架,利用MAE和對抗損失的加權(quán)作為網(wǎng)絡(luò)的總損失,保證利用網(wǎng)絡(luò)生成的圖像更加真實(shí),有效保留真實(shí)圖像中特征信息的紋理邊界和色調(diào)亮度。2.論文提出深度殘差捕獲模塊(Deep Residual Inception Module,DRI)和通道注意力塊(Channel Attention Block,CAB)。在U-Net的收縮路徑增加DRI模塊,使網(wǎng)絡(luò)可以從更多尺度提取圖像的內(nèi)容信息,保證之后生成圖像的特征完整性;在U-Net的擴(kuò)展路徑增加CAB,根據(jù)高層的語義信息得到淺層信息中不同特征的權(quán)重向量,由此指導(dǎo)全局與局部圖像信息的融合,保證生成圖像的語義一致性。從實(shí)驗結(jié)果中可以看出,本文提出的算法有效去除了低光圖像的真實(shí)噪聲,增強(qiáng)亮度和對比度,較Chen等提出的算法有明顯改進(jìn),提升圖像的清晰度之外有效恢復(fù)細(xì)節(jié),解決不連續(xù)色差塊問題。
【學(xué)位單位】：云南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP18
【部分圖文】：

神經(jīng)網(wǎng)絡(luò)［４５］是一種計算模型，可以將其看作是一個復(fù)合函數(shù)，根據(jù)輸入的數(shù)據(jù)逡逑來學(xué)習(xí)得到想要的輸出。神經(jīng)元、權(quán)重和偏置項是構(gòu)成神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的三個基本逡逑部分，如圖２－１所示是一個簡單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。結(jié)構(gòu)圖中的圓圈代表神經(jīng)元，神逡逑經(jīng)元之間的連線是神經(jīng)網(wǎng)絡(luò)的關(guān)鍵，這些連線表示神經(jīng)網(wǎng)絡(luò)中的權(quán)重，是需要經(jīng)逡逑過訓(xùn)練得到的。逡逑輸ＡＳ邐隱栤逡逑圖２－１神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖逡逑１０逡逑

在接收數(shù)據(jù)后執(zhí)行一些計算，之后經(jīng)過激活函數(shù)，激活函數(shù)一般選擇非線逡逑性函數(shù)，通過激活函數(shù)將輸出的數(shù)據(jù)限制在一個范圍內(nèi)，再傳遞給下一個神經(jīng)逡逑元。如圖２－２所示，神經(jīng)元模型是一個包含輸入、輸出與計算功能的模型。逡逑輸入１、＾

本文編號：2811548