兼顾局部与全局特征用于图像增强的卷积神经网络
图像与视频处理
2019-05-09 v1 计算机视觉与模式识别
多媒体
摘要
本文提出一种兼顾局部与全局特征的新型卷积神经网络（CNN）架构用于图像增强。大多数传统图像增强方法，包括基于 Retinex 的方法，无法恢复由截断和量化导致的像素值丢失。基于 CNN 的方法近来被提出以解决该问题，但由于网络架构未处理全局特征，其性能仍有限。为同时处理局部与全局特征，所提架构由三个网络组成：局部编码器、全局编码器和解码器。此外，使用高动态范围（HDR）图像来生成我们网络的训练数据。HDR 图像的使用使得用比相机直接捕获的图像质量更好的图像训练 CNN 成为可能。实验结果表明，就多种客观质量指标 TMQI、熵、NIQE 和 BRISQUE 而言，所提方法能比包括基于 CNN 方法在内的传统图像增强方法生成更高质量的图像。
引用
@article{arxiv.1905.02899,
title = {Convolutional Neural Networks Considering Local and Global features for Image Enhancement},
author = {Yuma Kinoshita and Hitoshi Kiya},
journal= {arXiv preprint arXiv:1905.02899},
year = {2019}
}
备注
To appear in Proc. ICIP2019. arXiv admin note: text overlap with arXiv:1901.05686