面向自动驾驶应用的阴影侵蚀与夜间适应性

RGB 摄像头图像的增强在医学成像、卫星成像、自动驾驶等日益增长的应用中引人关注。在自动驾驶领域， various techniques are used to enhance image quality under challenging lighting conditions。这些包括人工增强以改善夜间条件下的可见性、光照不变成像以减少光照变化的影响以及阴影缓解以确保 bright daylight 下图像的一致清晰度。本文提出一种针对自动驾驶应用的 Shadow Erosion and Nighttime Adaptability 流水线，旨在保持颜色和纹理细节。Shadow Erosion and Nighttime Adaptability 流水线被广泛使用的 CLAHE 技 technique 进行比较，并基于 illumination uniformity 和 visual perception quality 指标进行评估。结果还表明相较于 CLAHE 有显著改进，增强了基于 YOLO 的可驾驶区域分割算法。