基于轻量级CNN的非均匀光照图像快速增强
计算机视觉与模式识别
2020-06-02 v1
摘要
本文提出了一种用于非均匀光照图像增强的新型轻量级卷积神经网络（5k参数），可同时有效处理颜色、曝光、对比度、噪声与伪影等问题。更具体地，首先分别从双重视角（增强欠曝光与抑制过曝光）利用Retinex模型对输入图像进行增强；然后将这两幅增强结果与原始图像融合，获得具有满意亮度、对比度与细节的图像；最后去除额外噪声与压缩伪影得到最终结果。为训练该网络，我们提出了一种半监督修图方案，并构建了一个包含多种场景与光照条件的新数据集（82k图像）。我们的模型可实时（50 fps）增强0.5兆像素（如600*800）图像，快于现有增强方法。大量实验表明，我们的方案处理非均匀光照图像快速且有效。
引用
@article{arxiv.2006.00439,
title = {Fast Enhancement for Non-Uniform Illumination Images using Light-weight CNNs},
author = {Feifan Lv and Bo Liu and Feng Lu},
journal= {arXiv preprint arXiv:2006.00439},
year = {2020}
}
备注
9 pages, 12 figures, 2 tables