面向超高清交通监控的双域引导实时低光图像增强
计算机视觉与模式识别
2023-09-18 v1
摘要
实时交通监控是智能交通系统(ITS)的重要组成部分。然而,低光条件下捕获的图像常因噪声干扰、边缘特征模糊等多种退化而可见性差。随着成像设备的发展,视觉监控数据质量不断提升(如2K和4K),对图像处理效率提出了更严苛的要求。为满足增强质量与计算速度两方面的需求,本文提出一种面向超高清(UHD)交通监控的双域引导实时低光图像增强网络(DDNet)。具体而言,我们设计编码器-解码器结构作为学习网络的主架构。特别地,通过所提出的粗增强模块(CEM)与基于LoG的梯度增强模块(GEM),将增强处理划分为颜色增强与梯度增强两个子任务,并嵌入编码器-解码器结构中,使网络能同时增强颜色与边缘特征。通过对颜色域与梯度域的分解与重建,我们的DDNet能以更优的视觉质量与效率恢复被黑暗掩盖的细节特征信息。在标准及交通相关数据集上的评测实验表明,相较于当前最优(SOTA)方法,DDNet提供了更优的增强质量与效率。此外,目标检测与场景分割实验表明了其在ITS低光环境下对高层图像分析的实际增益。
引用
@article{arxiv.2309.08382,
title = {Double Domain Guided Real-Time Low-Light Image Enhancement for Ultra-High-Definition Transportation Surveillance},
author = {Jingxiang Qu and Ryan Wen Liu and Yuan Gao and Yu Guo and Fenghua Zhu and Fei-yue Wang},
journal= {arXiv preprint arXiv:2309.08382},
year = {2023}
}
备注
12 pages